| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 引言 | 第9-13页 |
| ·课题研究的背景与来源 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10页 |
| ·课题研究的目的和意义 | 第10-11页 |
| ·研究的目的 | 第10-11页 |
| ·研究的意义 | 第11页 |
| ·主要的研究内容 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 2 课题相关的理论知识 | 第13-18页 |
| ·数据挖掘概述 | 第13-14页 |
| ·数据挖掘的概念 | 第13-14页 |
| ·数据挖掘的过程 | 第14页 |
| ·数据预处理 | 第14-16页 |
| ·数据清理 | 第15页 |
| ·数据集成 | 第15页 |
| ·数据变换 | 第15-16页 |
| ·数据离散化和概念分层 | 第16页 |
| ·数据挖掘的应用领域 | 第16页 |
| ·数据挖掘的发展趋势 | 第16-18页 |
| 3 聚类挖掘模型的研究 | 第18-26页 |
| ·聚类模型 | 第18-19页 |
| ·聚类分析概述 | 第18页 |
| ·相关定义 | 第18-19页 |
| ·典型的K-Means聚类算法 | 第19-20页 |
| ·改进的K-Means聚类算法 | 第20-22页 |
| ·算法改进思想 | 第20-21页 |
| ·改进的K-Means聚类算法 | 第21-22页 |
| ·聚类评价方法 | 第22-23页 |
| ·算法研究的实验分析 | 第23-26页 |
| ·实验描述 | 第23页 |
| ·实验结果 | 第23-24页 |
| ·实验分析 | 第24-25页 |
| ·实验总结 | 第25-26页 |
| 4 关联规则挖掘模型的研究 | 第26-35页 |
| ·关联规则的概述 | 第26-27页 |
| ·典型的Apriori关联规则算法 | 第27-31页 |
| ·Apriori性质 | 第27页 |
| ·Apriori算法的思想 | 第27-28页 |
| ·核心算法描述 | 第28-29页 |
| ·算法的示例 | 第29-31页 |
| ·基于HASH技术改进的Apriori算法 | 第31-35页 |
| ·基于Hash技术改进的Apriori算法的基本思想 | 第31页 |
| ·基于Hash技术改进的Apriori算法 | 第31-32页 |
| ·基于Hash技术改进的Apriori算法算流程 | 第32-33页 |
| ·算法示例 | 第33-35页 |
| 5 数据挖掘系统的需求分析 | 第35-40页 |
| ·用户需求 | 第35页 |
| ·功能需求 | 第35-39页 |
| ·聚类分析 | 第35-37页 |
| ·关联分析 | 第37-39页 |
| ·统计分析 | 第39页 |
| ·系统参数配置 | 第39页 |
| ·非功能需求 | 第39-40页 |
| 6 数据挖掘系统的设计 | 第40-47页 |
| ·系统架构设计 | 第40-42页 |
| ·系统的网络拓扑图 | 第40页 |
| ·系统的体系结构图 | 第40-42页 |
| ·系统的技术架构图 | 第42页 |
| ·系统的功能模块设计 | 第42-43页 |
| ·系统的数据库设计 | 第43页 |
| ·系统的核心类设计 | 第43-47页 |
| ·聚类分析的类设计 | 第43-45页 |
| ·关联规则的类设计 | 第45-47页 |
| 7 数据挖掘系统的实现与应用 | 第47-57页 |
| ·系统运行环境 | 第47页 |
| ·系统开发环境 | 第47页 |
| ·系统运行部署 | 第47页 |
| ·聚类分析的应用 | 第47-52页 |
| ·数据提取 | 第47-48页 |
| ·数据预处理 | 第48-49页 |
| ·数据挖掘 | 第49-50页 |
| ·结果评价 | 第50-52页 |
| ·关联规则分析的应用 | 第52-55页 |
| ·数据提取 | 第52-53页 |
| ·数据预处理 | 第53-54页 |
| ·数据挖掘 | 第54-55页 |
| ·结果评价 | 第55页 |
| ·统计分析 | 第55-56页 |
| ·图书出版的合理性监管 | 第56-57页 |
| 8 结论 | 第57-59页 |
| ·结论 | 第57-58页 |
| ·下一步工作 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 攻读学位期间所发表的论文 | 第61-62页 |
| 致谢 | 第62页 |