基于聚类的数据平台设计及应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 数据挖掘技术概述 | 第11-15页 |
| 1.3 国内外研究现状 | 第15页 |
| 1.4 选题的科学意义 | 第15-16页 |
| 1.5 本文内容及结构安排 | 第16-17页 |
| 第二章 聚类分析及K-MEANS方法介绍 | 第17-27页 |
| 2.1 聚类分析技术 | 第17-18页 |
| 2.2 聚类算法的分类 | 第18-22页 |
| 2.3 聚类准则函数 | 第22-23页 |
| 2.3.1 聚类最小误差平方和准则 | 第22-23页 |
| 2.3.2 最大误差准则 | 第23页 |
| 2.3.3 聚类误差绝对值和准则 | 第23页 |
| 2.4 K-means算法 | 第23-27页 |
| 第三章 数据平台的分析与设计 | 第27-43页 |
| 3.1 业务流程分析 | 第27-29页 |
| 3.2 数据平台WEKA介绍 | 第29-34页 |
| 3.2.1 WEKA软件安装 | 第29-30页 |
| 3.2.2 WEKA软件使用简介 | 第30-34页 |
| 3.3 业务流程设计 | 第34-43页 |
| 3.3.1 数据库设计 | 第35-40页 |
| 3.3.1.1 概念模型设计 | 第35-37页 |
| 3.3.1.2 逻辑模型设计 | 第37-38页 |
| 3.3.1.3 物理模型设计 | 第38-40页 |
| 3.3.2 WEKA连接数据库 | 第40-43页 |
| 第四章 数据平台的实现 | 第43-51页 |
| 4.1 数据库的实现 | 第43-49页 |
| 4.1.1 数据库建立 | 第43-47页 |
| 4.1.2 数据存储过程 | 第47-49页 |
| 4.2 数据集准备 | 第49-51页 |
| 第五章 聚类分析方法分析考试数据 | 第51-57页 |
| 5.1 K-MEANS算法对数据的处理 | 第51-55页 |
| 5.2 结果分析 | 第55-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 作者和导师简介 | 第65-66页 |
| 附件 | 第66-67页 |
