| 1 引言 | 第1-10页 |
| 1．1 数据仓库及其相关技术(数据挖掘)产生的背景 | 第7-8页 |
| 1．2 数据仓库及其相关技术(数据挖掘)的应用 | 第8-9页 |
| 1．3 本文的研究工作成果 | 第9-10页 |
| 2 数据仓库设计 | 第10-18页 |
| 2．1 从数据库到数据仓库 | 第10-12页 |
| 2．2 数据仓库 | 第12-18页 |
| 2．2．1 数据仓库的定义 | 第12-13页 |
| 2．2．2 数据仓库的体系结构 | 第13-14页 |
| 2．2．3 数据仓库的功能描述 | 第14页 |
| 2．2．4 数据仓库的数据模型 | 第14-15页 |
| 2．2．5 数据转换 | 第15-16页 |
| 2．2．6 数据仓库工具 | 第16-18页 |
| 3 数据挖掘(DATAMINING) | 第18-25页 |
| 3．1 数据挖掘的技术基础 | 第18-21页 |
| 3．1．1 DataMining的概念 | 第18-19页 |
| 3．1．2 DataMining的方法 | 第19页 |
| 3．1．3 DataMining的分析方法 | 第19-21页 |
| 3．2 数据挖掘系统的体系结构及运行过程 | 第21-23页 |
| 3．2．1 数据挖掘的三级结构 | 第21-22页 |
| 3．2．2 数据挖掘的步骤 | 第22-23页 |
| 3．3 DATAMINING与其它数据库工具的区别和联系 | 第23-24页 |
| 3．3．1 操作型工具 | 第23页 |
| 3．3．2 分析型工具 | 第23-24页 |
| 3．4 数据挖掘的应用 | 第24-25页 |
| 4 数据挖掘在教务管理数据仓库中的应用 | 第25-53页 |
| 4．1 关联规则理论 | 第25-35页 |
| 4．1．1 引入兴趣度阈值的关联规则挖掘方法 | 第25-35页 |
| 4．2 算法描述 | 第35-50页 |
| 4．2．1 经典Apriori算法 | 第35-37页 |
| 4．2．2 增加兴趣度来提升规则的精度 | 第37-38页 |
| 4．2．3 采用特殊数据结构来提升挖掘的速度 | 第38-42页 |
| 4．2．4 聚类分析和关联规则的联合挖掘 | 第42-47页 |
| 4．2．5 多层次关联规则的有效挖掘算法 | 第47-50页 |
| 4．3 关联规则的存储和表示方式 | 第50-53页 |
| 4．3．1 存储方式 | 第50页 |
| 4．3．2 可视化表示方式 | 第50-53页 |
| 5 系统实现 | 第53-58页 |
| 5．1 系统界面 | 第53-55页 |
| 5．2 系统实现 | 第55-58页 |
| 6 结束语 | 第58-60页 |
| 6．1 技术总结 | 第58页 |
| 6．2 发展与改进 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66页 |