| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 引言 | 第10-13页 |
| ·研究背景与意义 | 第10-11页 |
| ·论文所做的工作 | 第11页 |
| ·论文内容的组织 | 第11-13页 |
| 第二章 数据挖掘技术及方法概述与分析 | 第13-32页 |
| ·数据挖掘的定义、过程及分类 | 第13-16页 |
| ·数据挖掘的定义 | 第13-14页 |
| ·数据挖掘基本过程 | 第14-15页 |
| ·数据挖掘的分类 | 第15-16页 |
| ·聚类挖掘 | 第16-21页 |
| ·聚类挖掘相关概念 | 第16-17页 |
| ·基本的聚类挖掘方法 | 第17-21页 |
| ·粗糙集 | 第21-26页 |
| ·粗糙集方法相关概念 | 第21-23页 |
| ·粗糙集算法（属性约简算法） | 第23-26页 |
| ·BP 神经网络 | 第26-31页 |
| ·BP 神经网络相关概念 | 第26-27页 |
| ·BP 神经网络算法 | 第27-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于多种数据挖掘技术的短期电力负荷预测策略研究 | 第32-48页 |
| ·问题描述 | 第32-33页 |
| ·电力负荷预测工作的基本步骤 | 第33-34页 |
| ·基于多种数据挖掘技术的短期电力负荷预测策略的设计思路 | 第34页 |
| ·短期电力负荷预测层次化模型的设计 | 第34-36页 |
| ·各层功能的实现方法 | 第36-42页 |
| ·历史负荷数据清洗层 | 第36-37页 |
| ·输入属性约简层 | 第37-39页 |
| ·BP 神经网络预测层 | 第39-42页 |
| ·实例分析 | 第42-44页 |
| ·预测模型的准确性分析 | 第44-47页 |
| ·预测误差和准确率定义 | 第44-46页 |
| ·预测结果分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于网格的快速密度聚类算法的研究与应用 | 第48-68页 |
| ·GF- DBSCAN 算法的设计 | 第48-54页 |
| ·算法产生的基础 | 第48-49页 |
| ·算法描述 | 第49-54页 |
| ·实验及结果分析 | 第54-61页 |
| ·实验环境及使用的数据集 | 第54-56页 |
| ·GF-DBSCAN 算法与 DBSCAN 算法聚类效果及时间复杂度测试 | 第56-60页 |
| ·实验结果分析 | 第60-61页 |
| ·GF-DBSCAN 算法在个性化推送服务中的应用研究 | 第61-67页 |
| ·个性化推送相关概念 | 第61-62页 |
| ·GF-DBSCAN 算法在购书网站个性化推送服务中的应用 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| ·论文工作总结 | 第68-69页 |
| ·未来工作展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 附录1 程序清单 | 第72-73页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第73-74页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第74-75页 |
| 致谢 | 第75页 |
