电力营销中数据挖掘算法的研究与应用
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 引言 | 第7-10页 |
| ·论文选题背景及意义 | 第7-8页 |
| ·电力营销的现状 | 第8-9页 |
| ·本文的主要工作 | 第9-10页 |
| 第二章 数据挖掘技术概述 | 第10-18页 |
| ·概述 | 第10-12页 |
| ·数据挖掘定义 | 第10-11页 |
| ·数据挖掘的产生和发展 | 第11页 |
| ·数据挖掘的理论基础 | 第11-12页 |
| ·数据挖掘体系结构 | 第12页 |
| ·数据挖掘的过程 | 第12页 |
| ·数据挖掘体系结构 | 第12页 |
| ·数据挖掘的分类 | 第12-14页 |
| ·数据挖掘的任务 | 第14页 |
| ·数据挖掘的应用 | 第14-18页 |
| 第三章 电力营销系统中数据挖掘的框架 | 第18-24页 |
| ·电力营销中运用数据挖掘的可能性 | 第18-20页 |
| ·电力营销系统的特点 | 第18页 |
| ·电力营销系统中可用数据挖掘技术的方面 | 第18-20页 |
| ·电力营销中数据挖掘的研究目的 | 第20页 |
| ·电力营销中数据挖掘的主要内容 | 第20页 |
| ·电力营销中数据挖掘的模型 | 第20页 |
| ·电力营销中数据挖掘的过程 | 第20-24页 |
| ·数据集成 | 第21-22页 |
| ·利用工具进行数据转换 | 第22页 |
| ·数据的采样和筛选 | 第22页 |
| ·数据挖掘 | 第22-23页 |
| ·解释评价 | 第23页 |
| ·数据挖掘算法的改进 | 第23-24页 |
| 第四章 数据挖掘算法在电力营销中的应用研究与实现 | 第24-46页 |
| ·决策树分类算法 | 第24-36页 |
| ·决策树算法概述 | 第26-27页 |
| ·决策树的基本思想 | 第27-30页 |
| ·建树算法 | 第27-29页 |
| ·剪枝 | 第29-30页 |
| ·决策树的优点 | 第30页 |
| ·一般决策树的劣势 | 第30页 |
| ·SLIQ算法 | 第30-31页 |
| ·智能决策树 | 第31-36页 |
| ·智能决策树算法基本思想 | 第31-34页 |
| ·结果比较 | 第34-36页 |
| ·聚类分析 | 第36-39页 |
| ·聚类技术及其发展 | 第37页 |
| ·聚类分析中的数据类型 | 第37-38页 |
| ·相似度 | 第38页 |
| ·K-均值聚类算法 | 第38-39页 |
| ·智能聚类决策树算法 | 第39-43页 |
| ·智能聚类决策树的核心思想 | 第39-40页 |
| ·关键技术 | 第40-41页 |
| ·智能聚类决策树算法的实现 | 第41-43页 |
| ·枚举型属性的处理 | 第41-42页 |
| ·最佳分割算法 | 第42页 |
| ·剪枝算法 | 第42-43页 |
| ·运行结果与分析 | 第43-46页 |
| 第五章 数据挖掘算法在电力营销系统中的应用与实现 | 第46-55页 |
| ·电力营销系统的数据来源 | 第46-47页 |
| ·电力营销系统的结构框架 | 第47页 |
| ·数据挖掘算法在电力营销系统中的实现 | 第47-55页 |
| ·数据过滤 | 第47页 |
| ·模型设计 | 第47-49页 |
| ·挖掘分类 | 第49页 |
| ·结果展现 | 第49-52页 |
| ·程序代码 | 第52-55页 |
| 第六章 结束语 | 第55-57页 |
| ·本文得出的结论 | 第55页 |
| ·对未来的展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 在学期间发表的学术论文和参加科研情况 | 第61页 |
