| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-21页 |
| ·选题意义 | 第10-11页 |
| ·数据挖掘技术产生背景 | 第11-12页 |
| ·数据挖掘技术与其它相关领域的关系 | 第12-15页 |
| ·数据挖掘与OLAP | 第12-13页 |
| ·数据挖掘与数据仓库 | 第13-14页 |
| ·数据挖掘与统计学 | 第14-15页 |
| ·数据挖掘与机器学习 | 第15页 |
| ·数据挖掘研究发展历史与现状 | 第15-17页 |
| ·数据挖掘的应用 | 第17页 |
| ·数据挖掘技术的难点 | 第17-19页 |
| ·数据挖掘未来发展方向 | 第19页 |
| ·本文结构 | 第19-21页 |
| 2 数据挖掘概述 | 第21-42页 |
| ·数据挖掘的定义 | 第21-22页 |
| ·技术角度上的定义 | 第21-22页 |
| ·商业角度上的定义 | 第22页 |
| ·数据挖掘的目的和任务 | 第22-24页 |
| ·相关分析 | 第23页 |
| ·聚类 | 第23页 |
| ·概念描述 | 第23-24页 |
| ·偏差检测 | 第24页 |
| ·预测 | 第24页 |
| ·数据挖掘系统的体系结构 | 第24-25页 |
| ·数据挖掘的过程 | 第25-29页 |
| ·确定挖掘的目标 | 第26页 |
| ·数据准备 | 第26-28页 |
| ·数据挖掘 | 第28页 |
| ·模式评估 | 第28页 |
| ·知识的表示 | 第28-29页 |
| ·数据挖掘的分析模型 | 第29-33页 |
| ·相关概念 | 第29页 |
| ·挖掘模式的类型 | 第29-30页 |
| ·数据挖掘模式分类 | 第30-33页 |
| ·典型的数据挖掘算法介绍 | 第33-37页 |
| ·人工神经网络(Artificial Neural Network) | 第33-35页 |
| ·决策树(decision tree) | 第35-36页 |
| ·粗糙集(Rough Set) | 第36-37页 |
| ·数据挖掘系统的分类 | 第37页 |
| ·基于挖掘规则类型的分类 | 第37页 |
| ·基于发现知识的抽象层次分类 | 第37页 |
| ·基于挖掘的数据库分类 | 第37页 |
| ·成熟的数据挖掘系统 | 第37-39页 |
| ·QUEST | 第38页 |
| ·MineSet | 第38-39页 |
| ·DBMiner | 第39页 |
| ·数据挖掘工具的选择 | 第39-41页 |
| ·产生的模式种类 | 第39页 |
| ·解决复杂问题的能力 | 第39-40页 |
| ·易操作性 | 第40页 |
| ·数据存取能力 | 第40-41页 |
| ·与其他产品的接口 | 第41页 |
| ·小结 | 第41-42页 |
| 3 关联规则挖掘及算法研究 | 第42-60页 |
| ·基本概念 | 第42-44页 |
| ·关联规则挖掘问题分解 | 第44页 |
| ·关联规则挖掘的基本模型 | 第44-45页 |
| ·关联规则的分类 | 第45页 |
| ·基于规则中处理的变量的类别划分 | 第45页 |
| ·基于规则中数据的抽象层次划分 | 第45页 |
| ·基于规则中涉及到的数据的维数划分 | 第45页 |
| ·Apriori算法 | 第45-50页 |
| ·算法基础 | 第45-46页 |
| ·Apriori算法实现描述 | 第46-49页 |
| ·Apriori算法的几种优化方法 | 第49-50页 |
| ·FP-growth算法 | 第50-56页 |
| ·FP-tree | 第50-51页 |
| ·FP-growth算法实施 | 第51-55页 |
| ·FP-growth算法改进思路 | 第55-56页 |
| ·算法性能比较 | 第56-57页 |
| ·其他关联规则挖掘方法及发展方向 | 第57-59页 |
| ·意外或例外关联规则的挖掘 | 第58页 |
| ·数值属性或量化关联规则的挖掘 | 第58页 |
| ·基于限制和约束的关联规则挖掘 | 第58-59页 |
| ·并行的关联规则挖掘算法研究 | 第59页 |
| ·多层次关联规则的挖掘 | 第59页 |
| ·小结 | 第59-60页 |
| 4 关联规则挖掘应用 | 第60-72页 |
| ·企业信息化应用状况剖析 | 第60-61页 |
| ·问题描述及挖掘主题定义 | 第61-62页 |
| ·客户分析系统的数据挖掘模型 | 第62-65页 |
| ·后台数据层 | 第62-63页 |
| ·中间层处理层 | 第63-65页 |
| ·用户交互层 | 第65页 |
| ·模式发现过程及结论解释 | 第65-71页 |
| ·数据源 | 第65页 |
| ·数据预处理 | 第65-70页 |
| ·实施挖掘及结论解释 | 第70-71页 |
| ·系统评价 | 第71页 |
| ·小结 | 第71-72页 |
| 5 论文总结 | 第72-74页 |
| ·本文结论 | 第72-73页 |
| ·后续工作展望 | 第73-74页 |
| 致 谢 | 第74-75页 |
| 参考文献 | 第75-77页 |