| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 图表目录 | 第9-11页 |
| 1 绪论 | 第11-19页 |
| ·论文的研究背景及研究意义 | 第11-14页 |
| ·广东省劳动力市场软件研究现状 | 第11-12页 |
| ·新会区劳动力市场软件研究现状 | 第12页 |
| ·问题的提出及研究的意义 | 第12-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·论文的研究目的和研究内容 | 第16-17页 |
| ·论文的研究目的 | 第16页 |
| ·论文的研究内容 | 第16页 |
| ·论文的组织结构 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 2 数据仓库和数据挖掘技术 | 第19-41页 |
| ·数据仓库技术 | 第19-21页 |
| ·数据仓库的概念 | 第19页 |
| ·数据仓库的特点和功能 | 第19页 |
| ·数据仓库体系结构 | 第19-20页 |
| ·数据仓库的架构 | 第20-21页 |
| ·OLAP 技术 | 第21-23页 |
| ·OLAP 的概念 | 第21页 |
| ·OLAP 的特点和功能 | 第21-22页 |
| ·OLAP 的数据组织 | 第22-23页 |
| ·OLAP 的衡量标准 | 第23页 |
| ·数据挖掘技术 | 第23-26页 |
| ·数据挖掘的概念 | 第23页 |
| ·联机分析挖掘的概念 | 第23-24页 |
| ·数据挖掘的基本任务和基本目标 | 第24页 |
| ·数据挖掘过程 | 第24页 |
| ·数据挖掘与数据仓库、OLAP、OLAM 之间关系 | 第24-25页 |
| ·数据挖掘工具的评价标准 | 第25-26页 |
| ·数据挖掘的算法与模型 | 第26-37页 |
| ·数据挖掘的挖掘算法 | 第26页 |
| ·数据挖掘的挖掘模型 | 第26-27页 |
| ·聚类算法 | 第27-31页 |
| ·决策树算法 | 第31-37页 |
| ·SQL Server 2000 概述 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 3 劳动力资源数据仓库的构建 | 第41-53页 |
| ·劳动力资源数据现状分析 | 第41-42页 |
| ·数据仓库主题确定 | 第42页 |
| ·数据预处理 | 第42-46页 |
| ·数据清理 | 第42-45页 |
| ·补充必要的数据 | 第45-46页 |
| ·数据仓库的设计 | 第46-49页 |
| ·数据仓库的生成与更新 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 4 OLAP 技术的应用 | 第53-67页 |
| ·分析模型建立的必要性 | 第53-54页 |
| ·OLAP 分析模型的建立 | 第54-55页 |
| ·OLAP 分析模型的联机分析处理 | 第55-60页 |
| ·OLAP 分析模型的基本功能 | 第55-57页 |
| ·钻取结果的准确性验证 | 第57-58页 |
| ·OLAP 的客户端应用 | 第58-60页 |
| ·OLAP 的存储和优化设计 | 第60-65页 |
| ·OLAP 的存储设计 | 第60-63页 |
| ·OLAP 的优化设计 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 5 数据挖掘算法的应用 | 第67-85页 |
| ·微软聚集算法的应用 | 第67-72页 |
| ·微软聚集算法基于OLAP 的应用 | 第67-69页 |
| ·微软聚集算法基于关系数据的应用 | 第69-72页 |
| ·微软决策树算法的应用 | 第72-83页 |
| ·微软决策树算法基于OLAP 数据的应用 | 第72-77页 |
| ·微软决策树算法基于关系数据的应用 | 第77-81页 |
| ·决策树生成决策规则 | 第81-82页 |
| ·决策树的相关性网络 | 第82-83页 |
| ·微软的挖掘算法比较 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 6 结论与展望 | 第85-87页 |
| ·结论 | 第85-86页 |
| ·研究工作的展望 | 第86-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-91页 |
| 附录 | 第91-103页 |
| A 作者在攻读硕士学位期间发表的论文目录 | 第91-92页 |
| B 作者在攻读硕士学位期间参加的工程项目 | 第92-93页 |
| C 中英词汇对照表 | 第93-95页 |
| D 数据仓库DTS 转换代码 | 第95-103页 |
| 独创性声明 | 第103页 |
| 学位论言语版权使用授权书 | 第103页 |