| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·论文的结构 | 第9-11页 |
| 第二章 数据挖掘技术概述 | 第11-19页 |
| ·数据挖掘的定义及起源 | 第11-12页 |
| ·数据挖掘的定义 | 第11-12页 |
| ·数据挖掘的起源 | 第12页 |
| ·数据挖掘的任务 | 第12-13页 |
| ·数据挖掘技术 | 第13-17页 |
| ·聚类分析技术 | 第13页 |
| ·关联规则技术 | 第13-14页 |
| ·决策树技术 | 第14-15页 |
| ·统计技术 | 第15-16页 |
| ·神经网络技术 | 第16-17页 |
| ·推理技术 | 第17页 |
| ·数据挖掘、数据仓库和OLAP 技术 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 关联规则挖掘在车辆保险中的应用 | 第19-41页 |
| ·关联规则 | 第19-21页 |
| ·关联规则的基本概念 | 第19页 |
| ·关联规则挖掘求解问题的步骤 | 第19-20页 |
| ·关联规则Apriori 算法及其改进 | 第20-21页 |
| ·关联规则挖掘在车辆保险中的应用 | 第21-34页 |
| ·明确目标 | 第21页 |
| ·数据库中的数据准备与数据处理 | 第21-23页 |
| ·关联规则挖掘 | 第23页 |
| ·关联规则挖掘在车辆保险中的应用分析 | 第23-28页 |
| ·关联规则在保险客户中的应用 | 第28-34页 |
| ·关联规则的评价与改进 | 第34-37页 |
| ·关联规则的兴趣度评价 | 第35页 |
| ·关联规则的潜在有用性评价 | 第35-36页 |
| ·关联规则的简洁性评价 | 第36页 |
| ·基于约束的关联规则挖掘 | 第36-37页 |
| ·关联规则与其它数据挖掘技术在车辆保险中的联合应用 | 第37-39页 |
| ·关联规则和聚类分析的联合挖掘 | 第37-38页 |
| ·关联规则和神经网络的联合挖掘 | 第38-39页 |
| ·关联规则和其它方法的联合使用 | 第39页 |
| ·构建基于关联规则的规则库 | 第39-40页 |
| ·关联规则的转化 | 第40页 |
| ·规则库的表示 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于数据挖掘技术的车辆保险决策支持系统的构建 | 第41-63页 |
| ·决策支持系统及相关理论 | 第41-42页 |
| ·决策与决策支持 | 第41-42页 |
| ·决策支持系统 | 第42页 |
| ·决策支持系统发展的关键技术问题 | 第42页 |
| ·构建基于本体的车辆保险案例库 | 第42-53页 |
| ·本体技术 | 第42-45页 |
| ·本体的描述语言 | 第45页 |
| ·基于Protege 的本体表示 | 第45-49页 |
| ·本体的构建方法 | 第49-50页 |
| ·本体的构建流程 | 第50-51页 |
| ·基于本体的车辆保险案例库 | 第51-53页 |
| ·案例推理和规则推理的集成推理 | 第53-58页 |
| ·基于案例的推理 | 第54-55页 |
| ·基于规则的推理 | 第55页 |
| ·案例推理与规则推理的集成 | 第55-58页 |
| ·构建车辆保险决策支持系统 | 第58-61页 |
| ·决策支持问题模型 | 第58页 |
| ·决策支持系统的概念 | 第58-59页 |
| ·决策支持系统的系统结构 | 第59-60页 |
| ·CBR 与RBR 集成推理的车辆保险决策支持系统框架 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 结束语 | 第63-65页 |
| ·论文工作总结 | 第63页 |
| ·进一步的工作 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 在读期间的研究成果 | 第71-72页 |
