数据挖掘中Apriori算法改进及在电信BI上的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·课题研究内容和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外现状 | 第9-11页 |
| ·国内现状 | 第11页 |
| ·论文的结构 | 第11-13页 |
| 第二章 商业智能概述 | 第13-20页 |
| ·商业智能的概念及产生背景 | 第13-15页 |
| ·什么是商业智能 | 第13-14页 |
| ·商业智能的产生背景 | 第14-15页 |
| ·商业智能的体系结构及架构过程 | 第15-16页 |
| ·商业智能的典型应用 | 第16-17页 |
| ·商业智能的应用实施 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 数据挖掘及关联规则 | 第20-32页 |
| ·数据挖掘概述 | 第20-27页 |
| ·数据挖掘的概念 | 第20-22页 |
| ·数据挖掘的任务 | 第22页 |
| ·数据挖掘的分类 | 第22-24页 |
| ·数据挖掘研究的主要内容 | 第24-25页 |
| ·数据挖掘的应用 | 第25-27页 |
| ·关联规则 | 第27-31页 |
| ·基本概念 | 第27-28页 |
| ·关联规则的性质 | 第28-30页 |
| ·关联规则的种类 | 第30页 |
| ·关联规则处理量化属性的方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 Apriori算法及改进 | 第32-41页 |
| ·Apriori算法思想 | 第32-35页 |
| ·频繁项集产生 | 第32-34页 |
| ·规则的产生 | 第34-35页 |
| ·基于Apriori的改进算法 | 第35-37页 |
| ·一种新的Apriori改进算法 | 第37-40页 |
| ·事务压缩 | 第37-38页 |
| ·在剪枝过程中引入约束规则 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 Apriori算法在电信BI中的应用 | 第41-53页 |
| ·问题描述 | 第41页 |
| ·总体设计方案 | 第41-42页 |
| ·数据预处理 | 第42-45页 |
| ·关联规则挖掘和结果分析 | 第45-47页 |
| ·挖掘性能评价 | 第47-51页 |
| ·AprioriPlus的缺点与不足 | 第51-52页 |
| ·约束规则方面 | 第51页 |
| ·事务压缩方面 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·本文总结 | 第53页 |
| ·本文贡献 | 第53-54页 |
| ·不足与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录A 攻读学位期间发表论文 | 第58页 |
