| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景与研究意义 | 第10-13页 |
| ·研究背景 | 第10-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外相关领域研究综述 | 第13-16页 |
| ·决策支持系统研究概况 | 第13-15页 |
| ·知识发现研究概述 | 第15-16页 |
| ·论文的组织结构与创新点 | 第16-19页 |
| ·论文组织结构 | 第16-18页 |
| ·主要创新点 | 第18-19页 |
| 本章小节 | 第19-20页 |
| 第二章 数据挖掘概述 | 第20-37页 |
| ·引言 | 第20页 |
| ·数据挖掘过程 | 第20-23页 |
| ·数据挖掘过程模型 | 第20-21页 |
| ·数据挖掘过程中各阶段的任务 | 第21-23页 |
| ·数据挖掘方法 | 第23-28页 |
| ·规则归纳方法 | 第23-24页 |
| ·决策树方法 | 第24页 |
| ·贝叶斯学习 | 第24-26页 |
| ·遗传算法 | 第26页 |
| ·神经网络 | 第26-27页 |
| ·粗糙集方法 | 第27-28页 |
| ·数据挖掘功能 | 第28-31页 |
| ·关联规则挖掘 | 第28-29页 |
| ·聚类模式挖掘 | 第29-30页 |
| ·分类模式挖掘 | 第30页 |
| ·序列模式挖掘 | 第30-31页 |
| ·偏差检测 | 第31页 |
| ·数据挖掘知识类型概述 | 第31-32页 |
| ·web数据挖掘 | 第32-36页 |
| ·web挖掘的主要任务 | 第33-34页 |
| ·web内容挖掘 | 第34-35页 |
| ·web结构挖掘 | 第35页 |
| ·web使用挖掘 | 第35-36页 |
| 本章小结 | 第36-37页 |
| 第三章 web环境下的文档分类模型研究 | 第37-53页 |
| ·概述 | 第37-38页 |
| ·web文档的结构化表示 | 第38-41页 |
| ·抽取特征词 | 第39-40页 |
| ·构造web文档特征向量 | 第40-41页 |
| ·建立概念特征向量集 | 第41-44页 |
| ·确定初始文档类 | 第41-43页 |
| ·构造概念特征向量 | 第43-44页 |
| ·基于CFV的NB 文档分类模型 | 第44-47页 |
| ·建立标注文档集 | 第45-46页 |
| ·建立CFV-NB文档分类器 | 第46-47页 |
| ·基于CFV的关联规则文档分类模型 | 第47-51页 |
| ·建立文档-概念关联事务矩阵 | 第47-48页 |
| ·算法描述 | 第48-50页 |
| ·模型验证 | 第50-51页 |
| 本章小结 | 第51-53页 |
| 第四章 基于web使用数据管理的知识发现模型研究 | 第53-73页 |
| ·引言 | 第53-54页 |
| ·web使用数据管理的主要内容 | 第54-55页 |
| ·用户信息 | 第54页 |
| ·web日志文件 | 第54-55页 |
| ·web使用知识发现的一般过程 | 第55-56页 |
| ·web使用数据预处理 | 第56-57页 |
| ·数据清洗 | 第56-57页 |
| ·建立会话数据库 | 第57页 |
| ·基于web使用数据管理的聚类分析模型 | 第57-61页 |
| ·web用户浏览行为表示模型 | 第58-59页 |
| ·基于用户浏览行为的web聚类模型 | 第59-61页 |
| ·基于相似用户群的web用户浏览行为预测模型 | 第61-65页 |
| ·多Markov链预测模型 | 第62-63页 |
| ·预测方法 | 第63-64页 |
| ·模型验证 | 第64-65页 |
| ·基于相似用户群的最大频繁序列挖掘算法 | 第65-71页 |
| ·问题描述 | 第66-67页 |
| ·后缀树建立算法 | 第67-69页 |
| ·MFS模式挖掘算法 | 第69-71页 |
| ·MFS挖掘模型检验 | 第71页 |
| 本章小结 | 第71-73页 |
| 第五章 基于语义web挖掘的多Agent IDSS模型研究 | 第73-104页 |
| ·引言 | 第73页 |
| ·语义web体系结构 | 第73-74页 |
| ·本体及web本体描述语言 | 第74-80页 |
| ·本体概述 | 第74-77页 |
| ·web本体描述语言 | 第77-80页 |
| ·Agent体系结构与通信方式 | 第80-83页 |
| ·Agent体系结构 | 第80-82页 |
| ·多Agent通信方式 | 第82-83页 |
| ·基于语义web挖掘的多Agent IDSS体系结构 | 第83-87页 |
| ·体系结构模型 | 第83-84页 |
| ·Agent功能概述 | 第84-85页 |
| ·领域本体表示模型 | 第85-87页 |
| ·web挖掘Agent系统中的知识发现模型 | 第87-100页 |
| ·语义web页面分类模型 | 第87-95页 |
| ·基于领域本体的web使用知识发现挖掘模型 | 第95-100页 |
| ·多Agent IDSS实现的关键技术 | 第100-102页 |
| ·知识的发现与推理技术 | 第100-101页 |
| ·多Agent通信与多库协同技术 | 第101-102页 |
| 本章小结 | 第102-104页 |
| 第六章 多Agent IDSS在智能电子学习系统中的应用 | 第104-114页 |
| ·背景分析 | 第104-105页 |
| ·智能电子学习系统的决策功能分析 | 第105-106页 |
| ·决策功能结构模型 | 第105页 |
| ·决策功能概述 | 第105-106页 |
| ·智能电子学习系统体系结构分析 | 第106-108页 |
| ·系统主要库管理模块设计 | 第108-111页 |
| ·模型库管理 | 第108-109页 |
| ·知识库管理 | 第109页 |
| ·领域本体库管理 | 第109-110页 |
| ·用户信息库管理 | 第110-111页 |
| ·智能电子学习系统推荐模型 | 第111-113页 |
| 本章小结 | 第113-114页 |
| 第七章 总结与展望 | 第114-116页 |
| ·全文总结 | 第114-115页 |
| ·今后研究展望 | 第115-116页 |
| 参考文献 | 第116-127页 |
| 发表论文和参加科研情况说明 | 第127-128页 |
| 致谢 | 第128页 |
