数据采掘的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-24页 |
| ·本文研究背景 | 第11页 |
| ·数据采掘技术综述 | 第11-17页 |
| ·数据采掘含义 | 第11-12页 |
| ·数据采掘过程 | 第12-13页 |
| ·数据开采分类 | 第13-15页 |
| ·数据采掘与相关研究领域关系 | 第15-16页 |
| ·数据采掘技术相关网址 | 第16-17页 |
| ·数据采掘系统简介 | 第17-19页 |
| ·数据采掘技术面临的问题 | 第19-21页 |
| ·本文贡献 | 第21-22页 |
| ·本文组织安排 | 第22-24页 |
| 第二章 基于偏置变换的决策树学习算法 | 第24-41页 |
| ·引言 | 第24-25页 |
| ·基本概念 | 第25-27页 |
| ·表示偏置变换 | 第27-30页 |
| ·设计思想 | 第27-28页 |
| ·算法描述 | 第28-30页 |
| ·过程偏置变换 | 第30-38页 |
| ·设计思想 | 第30-31页 |
| ·概念描述 | 第31-32页 |
| ·算法描述 | 第32-38页 |
| ·实验结果 | 第38-40页 |
| ·结束语 | 第40-41页 |
| 第三章 基于粗糙集的决策树学习算法 | 第41-51页 |
| ·引言 | 第41-42页 |
| ·相似矩阵及关联矩阵 | 第42-45页 |
| ·差别矩阵 | 第42-43页 |
| ·相似矩阵 | 第43-44页 |
| ·关联矩阵 | 第44页 |
| ·定义 | 第44-45页 |
| ·基于属性关联函数的知识约简算法UDR | 第45-46页 |
| ·基于粗糙集的决策树算法RSDT | 第46-48页 |
| ·例子 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第4章 基于主体的分布数据采掘系统 | 第51-64页 |
| ·引言 | 第51-52页 |
| ·数据采掘系统的数据组织 | 第52-55页 |
| ·传统的分布式环境下数据仓库组织形式 | 第52-53页 |
| ·主体克隆技术 | 第53-55页 |
| ·相关定义 | 第55-57页 |
| ·基于主体的分布数据采掘系统结构 | 第57-59页 |
| ·数据采掘系统的主体管理机制 | 第59-60页 |
| ·基于主体克隆技术的知识发现算法 | 第60-62页 |
| ·小结 | 第62-64页 |
| 第五章 数据采掘系统及其集成方案研究 | 第64-78页 |
| ·引言 | 第64-65页 |
| ·数据采掘系统ICSMiner的总体设计 | 第65-66页 |
| ·ICSMiner的集成方式 | 第66-77页 |
| ·数据采掘任务规划过程 | 第67-69页 |
| ·数据采掘任务求解过程 | 第69-74页 |
| ·数据采掘任务标识过程 | 第74-76页 |
| ·数据采掘算法选取过程 | 第76-77页 |
| ·小结 | 第77-78页 |
| 第6章 数据采掘在地方税收征管工作中的应用 | 第78-85页 |
| ·项目背景及意义 | 第78页 |
| ·国内外现状及发展趋势 | 第78-80页 |
| ·开发内容和关键技术 | 第80-81页 |
| ·智能税收稽查计算机选案子系统的实现 | 第81-83页 |
| ·实例 | 第83-84页 |
| ·小结 | 第84-85页 |
| 第7章 结论 | 第85-89页 |
| ·结论 | 第85-87页 |
| ·将来工作 | 第87-89页 |
| 附录1 计算机选案概要设计 | 第89-94页 |
| 附录2 专家系统实施方案 | 第94-99页 |
| 附录3 决策树模块详细设计 | 第99-104页 |
| 参考文献 | 第104-114页 |
| 作者简历及攻读博士学位期间发表的论文 | 第114-116页 |
| 本文受以下项目的资助 | 第116页 |
