第一章 绪论 | 第1-11页 |
1.1 背景 | 第7页 |
1.2 现状 | 第7-8页 |
1.3 意义 | 第8-9页 |
1.4 本文的主要工作 | 第9-10页 |
1.5 本文的组织结构 | 第10-11页 |
第二章 知识管理综述 | 第11-19页 |
2.1 知识管理的概念 | 第11-12页 |
2.2 知识型企业 | 第12-13页 |
2.3 知识分析 | 第13-16页 |
2.4 知识管理中的人 | 第16-17页 |
2.5 知识过程 | 第17-18页 |
2.6 使用的技术 | 第18-19页 |
第三章 知识管理中存在的问题和解决方案 | 第19-29页 |
3.1 缺乏各种评价体系 | 第19-21页 |
3.2 知识管理的代价高昂 | 第21-22页 |
3.3 企业的重视不够 | 第22-24页 |
3.4 知识使用方面的障碍 | 第24-25页 |
3.5 企业的组织结构阻碍了知识管理的有效实施 | 第25-26页 |
3.6 其它方面的问题 | 第26-27页 |
3.7 小结 | 第27-29页 |
第四章 知识管理的解决方案——环境建设和制度建设 | 第29-41页 |
4.1 知识环境建设 | 第29-31页 |
4.2 学习型组织的建设 | 第31-33页 |
4.3 知识主管的设立 | 第33-34页 |
4.4 评价体系的建立 | 第34-41页 |
第五章 知识管理的解决方案——激励机制的实施 | 第41-48页 |
5.1 激励机制及激励理论 | 第41-43页 |
5.2 激励因素 | 第43-44页 |
5.3 知识型企业员工分析 | 第44页 |
5.4 激励的实施过程 | 第44-45页 |
5.5 激励理论在实践中的应用 | 第45-48页 |
第六章 知识管理的解决方案——知识仓库 | 第48-56页 |
6.1 知识仓库的提出 | 第48-50页 |
6.2 企业知识及其表示 | 第50-52页 |
6.3 知识管理对知识仓库的要求 | 第52-53页 |
6.4 知识仓库的结构 | 第53-56页 |
第七章 知识管理中的关键技术——数据挖掘 | 第56-82页 |
7.1 数据挖掘及关联规则挖掘 | 第56-59页 |
7.2 Rough Set理论在数据挖掘预处理中的应用 | 第59-62页 |
7.3 挖掘关联规则中Apriori算法的一种改进 | 第62-66页 |
7.4 布尔类型关联规则挖掘算法关键思想研究 | 第66-70页 |
7.5 用整数表示项集实现布尔类型关联规则挖掘 | 第70-77页 |
7.6 数据挖掘结果处理 | 第77-82页 |
结束语 | 第82-83页 |
致谢 | 第83-84页 |
参考文献 | 第84-87页 |
在校期间发表的论文 | 第87页 |