| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 引言 | 第10-15页 |
| ·本课题研究背景 | 第10页 |
| ·本课题研究意义 | 第10-11页 |
| ·数据挖掘的研究现状 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文的安排 | 第13-15页 |
| 第二章 数据挖掘技术简述 | 第15-26页 |
| ·数据挖掘的概念 | 第15-16页 |
| ·数据挖掘的研究内容和本质 | 第16-18页 |
| ·数据挖掘的功能分类 | 第18-19页 |
| ·数据挖掘常见方法描述 | 第19-20页 |
| ·数据挖掘的过程 | 第20-23页 |
| ·多策略数据挖掘提出 | 第23-24页 |
| ·数据挖掘工具简介 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 数据准备 | 第26-31页 |
| ·基础数据源描述 | 第26-28页 |
| ·挖掘数据源设计 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 数据挖掘技术在图书销售智能分析中的应用 | 第31-45页 |
| ·基于SSAS的数据挖掘算法 | 第31-36页 |
| ·Bayes算法 | 第31页 |
| ·决策树算法 | 第31-32页 |
| ·聚类分析算法 | 第32页 |
| ·关联算法 | 第32-33页 |
| ·顺序分析和聚类分析算法 | 第33页 |
| ·时序算法 | 第33-34页 |
| ·神经网络算法 | 第34-35页 |
| ·线性回归算法 | 第35-36页 |
| ·创建挖掘模型 | 第36-44页 |
| ·创建贝叶斯挖掘模型—CustomerLevels | 第36-37页 |
| ·创建决策树挖掘模型—CustomerConsum | 第37-38页 |
| ·创建聚类分析挖掘模型—CustomerType | 第38-39页 |
| ·创建关联规则挖掘模型—CustomerBook | 第39-41页 |
| ·创建时序挖掘模型—WeekSell | 第41-42页 |
| ·创建神经网络挖掘模型—BookSell | 第42-43页 |
| ·创建顺序分析挖掘模型—BookAssociation | 第43-44页 |
| ·创建线形回归挖掘模型—BookPrice | 第44页 |
| ·本章小结 | 第44-45页 |
| 第五章 系统客户端分析与设计 | 第45-61页 |
| ·系统需求分析 | 第45页 |
| ·系统架构设计 | 第45-46页 |
| ·客户端开发平台 | 第46页 |
| ·会员分析模块 | 第46-54页 |
| ·会员级别预测 | 第47-49页 |
| ·会员消费水平预测 | 第49-50页 |
| ·会员类型预测 | 第50-53页 |
| ·图书推荐分析 | 第53-54页 |
| ·图书分析模块 | 第54-60页 |
| ·图书销售走势预测 | 第55-56页 |
| ·图书日均销量预测 | 第56-58页 |
| ·图书销售关联预测 | 第58-59页 |
| ·图书定价预测 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65-66页 |
| 致谢 | 第66页 |
