| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 1 绪论 | 第6-9页 |
| ·本文的组织结构 | 第6页 |
| ·数据挖掘（Data Mining）的基本概念 | 第6-7页 |
| ·研究现状 | 第7-9页 |
| 2 数据挖掘的算法及应用 | 第9-18页 |
| ·为何进行数据挖掘 | 第9页 |
| ·数据挖掘系统的分类 | 第9-11页 |
| ·数据挖掘过程 | 第11-13页 |
| ·数据挖掘功能 | 第13-16页 |
| ·类概念描述 | 第13页 |
| ·关联分析 | 第13-14页 |
| ·分类与回归 | 第14页 |
| ·聚类分析 | 第14-15页 |
| ·异类分析 | 第15-16页 |
| ·序列分析 | 第16页 |
| ·决策树 | 第16页 |
| ·数据挖掘实际应用 | 第16-18页 |
| 3 数据挖掘中模糊聚类分析算法的研究及改进 | 第18-41页 |
| ·基本知识概念介绍 | 第18-22页 |
| ·聚类的定义 | 第18-19页 |
| ·数据的表示 | 第19页 |
| ·数据矩阵与相异度矩阵 | 第19-20页 |
| ·相似度定义 | 第20-21页 |
| ·聚类阶段 | 第21-22页 |
| ·聚类算法分类 | 第22-27页 |
| ·划分方法(Partitioning Method) | 第22-24页 |
| ·层次方法((Hierarchical Method) | 第24-25页 |
| ·基于密度的方法(Density-based Method) | 第25页 |
| ·基于网格的方法(Grid-based Method) | 第25-26页 |
| ·基于模型的方法(Model-based Method) | 第26页 |
| ·模糊聚类算法 | 第26-27页 |
| ·模糊聚类算法改进 | 第27-36页 |
| ·模糊聚类及其算法 | 第27-30页 |
| ·模糊c 均值聚类算法 | 第30-32页 |
| ·FCM 算法的改进 | 第32-36页 |
| ·实验结果 | 第36-41页 |
| 4 数据挖掘中决策树算法的研究 | 第41-53页 |
| ·决策树 | 第41页 |
| ·决策树技术主要算法的发展历程 | 第41-48页 |
| ·CLS 算法 | 第42页 |
| ·CART 算法 | 第42页 |
| ·ID3 算法 | 第42-45页 |
| ·C4.5 算法 | 第45-47页 |
| ·SLIQ 算法 | 第47-48页 |
| ·SPRINT 算法 | 第48页 |
| ·决策树算法应用 | 第48-49页 |
| ·移动高端客户特征分析决策树建立 | 第49-53页 |
| ·移动高端客户特征决策树建立 | 第49-50页 |
| ·使用ID3 算法来解决问题 | 第50-51页 |
| ·根据决策树得出的结论 | 第51-53页 |
| 5 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录 | 第57页 |
