| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景及目的 | 第8-11页 |
| ·统计信息化背景 | 第8-9页 |
| ·统计数据决策面临的挑战 | 第9-10页 |
| ·本文的研究目的 | 第10-11页 |
| ·国内外研究及应用现状 | 第11-12页 |
| ·商业智能的主要研究内容概述 | 第11-12页 |
| ·商业智能在统计中的应用现状 | 第12页 |
| ·论文研究内容结构 | 第12-14页 |
| 第2章 商业智能及其关键技术在统计中的应用 | 第14-28页 |
| ·商业智能的概念和理论 | 第14-16页 |
| ·商业智能的基本概念 | 第14页 |
| ·商业智能的技术构成 | 第14-15页 |
| ·商业智能工具的选择 | 第15-16页 |
| ·统计数据库与数据仓库 | 第16-18页 |
| ·统计数据库 | 第16-17页 |
| ·统计应用中的数据仓库技术 | 第17-18页 |
| ·OLAP及其在统计中的应用 | 第18-22页 |
| ·联机分析处理(OLAP)概念及功能 | 第18-19页 |
| ·基于统计数据的OLAP分析及应注意的问题 | 第19-22页 |
| ·DM及其在统计中的应用 | 第22-26页 |
| ·数据挖掘(DM)的基本概念和分类 | 第22-23页 |
| ·DM与DW、OLAP及统计学的关系 | 第23-24页 |
| ·数据挖掘在统计数据分析中的应用 | 第24-26页 |
| ·基于商业智能的统计决策分析系统总体框架 | 第26-28页 |
| 第3章 科技统计的商业智能解决方案设计 | 第28-50页 |
| ·科技统计 | 第28-30页 |
| ·科技统计的概念 | 第28页 |
| ·科技统计指标 | 第28-29页 |
| ·商业智能在科技统计中的应用意义 | 第29-30页 |
| ·利用SQL Server BI构建科技统计的商业智能解决方案 | 第30-31页 |
| ·Microsoft SQL Server的商业智能体系 | 第30页 |
| ·解决方案的总框架 | 第30-31页 |
| ·使用SQL Server Management Studio工具管理模型 | 第31页 |
| ·科技统计数据仓库的设计 | 第31-33页 |
| ·科技统计数据仓库中的主题设计 | 第31-32页 |
| ·科技统计仓库中的维度以及维度层次设计 | 第32-33页 |
| ·科技统计仓库中的度量值设计 | 第33页 |
| ·基于SQL Server的科技统计决策分析模型 | 第33-50页 |
| ·SQL Server的多维数据建模思想 | 第33-34页 |
| ·SQL Server数据挖掘算法 | 第34-47页 |
| ·SQL Server的数据挖掘建模过程 | 第47-50页 |
| 第4章 OLAP在科技统计数据分析中的应用 | 第50-61页 |
| ·构建专利成果的多维数据模型 | 第50-52页 |
| ·逻辑模型的设计 | 第50-51页 |
| ·物理模型的设计 | 第51-52页 |
| ·专利成果的OLAP多维分析 | 第52-56页 |
| ·基于OLAP查询结果的我国国内专利发展现状分析 | 第56-61页 |
| 第5章 数据挖掘技术在专利成果分析中的综合应用 | 第61-81页 |
| ·数据源的选取 | 第61页 |
| ·变量的离散化处理方法 | 第61-63页 |
| ·基于贝叶斯算法的关键影响因素分析 | 第63-68页 |
| ·关联规则分析与挖掘 | 第68-73页 |
| ·聚类分析与挖掘 | 第73-76页 |
| ·基于决策树和Logistics回归的分类挖掘及其预测准确度比较 | 第76-81页 |
| 第6章 论文总结 | 第81-83页 |
| ·主要研究工作 | 第81页 |
| ·创新之处 | 第81-82页 |
| ·局限和不足 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 附录1:Excel数据挖掘插件的安装与配置 | 第86-92页 |
| 攻读硕士学位期间发表论文及参与科研项目的情况 | 第92-93页 |
| 致谢 | 第93页 |
