| 中文摘要 | 第1页 |
| 英文摘要 | 第2-5页 |
| 第一章 引言 | 第5-13页 |
| ·数据挖掘的出现 | 第5页 |
| ·数据挖掘的基本状况 | 第5-9页 |
| ·数据挖掘的发展与现况 | 第6-7页 |
| ·数据挖掘研究内容 | 第7-9页 |
| ·电力行业信息化建设发展与现况 | 第9页 |
| ·数据挖掘在电力行业信息化建设中的应用 | 第9-12页 |
| ·本文的工作 | 第12-13页 |
| 第二章 青岛电业局电力营销系统中数据挖掘的大致框架 | 第13-16页 |
| ·数据挖掘的模型 | 第13页 |
| ·数据预处理 | 第13-15页 |
| ·建立用户属性模型 | 第13-14页 |
| ·利用工具进行数据转换 | 第14-15页 |
| ·数据的采样和筛选1l | 第15页 |
| ·数据挖掘 | 第15页 |
| ·数据评价 | 第15-16页 |
| ·输出的可视化 | 第15页 |
| ·决策者进行评价,决策1l | 第15-16页 |
| 第三章 决策树分类算法 | 第16-26页 |
| ·分类算法概述 | 第16页 |
| ·举例说明分类的过程 | 第16-17页 |
| ·用决策树进行分类 | 第17-20页 |
| ·什么是决策树 | 第17-18页 |
| ·决策树的生成算法 | 第18-20页 |
| ·决策树的优点 | 第20页 |
| ·一般决策树的劣势 | 第20页 |
| ·SLIQ快速可伸缩算法 | 第20-23页 |
| ·为什么要用SLIQ | 第20页 |
| ·可伸缩性指标 | 第20-22页 |
| ·算法流程 | 第22-23页 |
| ·其他问题 | 第23页 |
| ·系统实现 | 第23-26页 |
| ·算法流程 | 第23-24页 |
| ·剪枝算法 | 第24-25页 |
| ·结果输出 | 第25-26页 |
| 第四章 关联规则挖掘算法 | 第26-32页 |
| ·关联规则的定义 | 第26-27页 |
| ·支持度 | 第26页 |
| ·可信度 | 第26页 |
| ·期望可信度 | 第26-27页 |
| ·作用度 | 第27页 |
| ·最小可信度 | 第27页 |
| ·最小支持度 | 第27页 |
| ·强关联规则 | 第27页 |
| ·模式的长度 | 第27页 |
| ·模式集、频繁模式集 | 第27页 |
| ·挖掘关联规则应注意的问题 | 第27-28页 |
| ·关联规则挖掘的经典算法Apriori算法 | 第28-32页 |
| 第五章 系统实现 | 第32-40页 |
| ·系统实现 | 第32-33页 |
| ·功能模块介绍 | 第33-37页 |
| ·电力销售分析 | 第33-34页 |
| ·电力市场需求分析 | 第34-35页 |
| ·客户行为分析模块 | 第35-36页 |
| ·客户识别模块 | 第36-37页 |
| ·算法应用 | 第37-39页 |
| ·建树流程 | 第38-39页 |
| ·决策树运用到应收账款监控管理中的执行流程 | 第39页 |
| ·小结 | 第39-40页 |
| 第六章 结论 | 第40-42页 |
| ·系统实现 | 第40页 |
| ·算法总结 | 第40页 |
| ·对未的展望 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-44页 |