| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 论文提出的背景 | 第10-11页 |
| 1.2 本文研究的意义 | 第11-12页 |
| 1.3 本文内容及文章结构 | 第12-14页 |
| 1.3.1 主要研究工作 | 第12页 |
| 1.3.2 章节安排 | 第12-14页 |
| 第2章 Greenplum 数据仓库 | 第14-22页 |
| 2.1 Greenplum 数据仓库概述及架构 | 第14-15页 |
| 2.2 Greenplum 的特点 | 第15-17页 |
| 2.3 Greenplum 作为移动通信数据仓库的优势分析 | 第17-18页 |
| 2.4 装载数据到 Greenplum 数据仓库中 | 第18-21页 |
| 2.4.1 对历史数据的装载 | 第18-20页 |
| 2.4.2 对实时数据的装载 | 第20-21页 |
| 2.5 Greenplum 的应用现状 | 第21-22页 |
| 第3章 数据挖掘技术及关联规则 | 第22-27页 |
| 3.1 数据挖掘概述 | 第22页 |
| 3.2 数据挖掘的一般过程 | 第22-23页 |
| 3.3 国内外对数据挖掘的研究现状 | 第23-24页 |
| 3.4 关联规则概述 | 第24页 |
| 3.5 关联规则的基本概念 | 第24-25页 |
| 3.6 关联规则分类 | 第25-26页 |
| 3.6.1 布尔型关联规则和数值型关联规则 | 第25页 |
| 3.6.2 单层关联规则和多层关联规则 | 第25页 |
| 3.6.3 单维关联规则和多维关联规则 | 第25-26页 |
| 3.7 关联规则的挖掘步骤 | 第26-27页 |
| 3.7.1 发现频繁项集 | 第26页 |
| 3.7.2 生成关联规则 | 第26-27页 |
| 第4章 关联规则挖掘经典算法—Apriori 算法 | 第27-35页 |
| 4.1 算法描述 | 第27-29页 |
| 4.2 Apriori 算法实例 | 第29-32页 |
| 4.3 Apriori 算法不足及改进方法 | 第32-33页 |
| 4.4 Apriori 算法在本文中的应用 | 第33-35页 |
| 第5章 移动通信数据业务分析实验及结果 | 第35-46页 |
| 5.1 移动通信数据的特点 | 第35-36页 |
| 5.2 移动通信数据业务数据预处理 | 第36-38页 |
| 5.3 挖掘的实施过程 | 第38-42页 |
| 5.4 效果评估 | 第42-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 本文总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 作者简介 | 第50-51页 |
| 致谢 | 第51页 |
