| 目录 | 第1-4页 |
| 图表目录 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 数据挖掘与知识发现 | 第7-24页 |
| ·数据挖掘的概念 | 第7-12页 |
| ·数据挖掘的定义 | 第7-8页 |
| ·数据挖掘与知识发现的联系与区别 | 第8-11页 |
| ·数据挖掘的一般结构 | 第11-12页 |
| ·数据挖掘的分类 | 第12页 |
| ·数据挖掘的对象 | 第12-13页 |
| ·数据挖掘技术的算法 | 第13-18页 |
| ·决策树方法(Decision Trees) | 第13-14页 |
| ·人工神经网络(Artificial Neural Networks) | 第14页 |
| ·遗传算法(Genetic Algorithms) | 第14-15页 |
| ·粗糙集方法(Rough Set Approach) | 第15页 |
| ·模糊论方法(Fuzzy Set Approaches) | 第15-16页 |
| ·关联规则(Associations rule) | 第16-17页 |
| ·朴素贝叶斯模型(Bayes theorem) | 第17页 |
| ·覆盖正例排斥反例方法 | 第17页 |
| ·可视化技术 | 第17-18页 |
| ·数据挖掘的技术 | 第18页 |
| ·数据挖掘的步骤 | 第18-20页 |
| ·定义问题 | 第18-19页 |
| ·获取数据 | 第19页 |
| ·整理和初探数据 | 第19页 |
| ·选择和准备数据 | 第19页 |
| ·挖掘数据(Mining the Data) | 第19页 |
| ·解释结果 | 第19页 |
| ·运用知识 | 第19-20页 |
| ·数据仓库与数据挖掘的概念 | 第20-22页 |
| ·在应用中应注意的问题 | 第22-24页 |
| ·数据质量 | 第22页 |
| ·数据可视化 | 第22页 |
| ·极大数据库的问题 | 第22页 |
| ·性能和成本 | 第22-23页 |
| ·信息分析员的技能 | 第23-24页 |
| 第二章 贝叶斯方法 | 第24-31页 |
| ·朴素贝叶斯分类 | 第24-26页 |
| ·贝叶斯定理 | 第24-25页 |
| ·朴素贝叶斯分类 | 第25-26页 |
| ·贝叶斯网络 | 第26-31页 |
| ·贝叶斯方法 | 第27-28页 |
| ·贝叶斯网络及其语义 | 第28-30页 |
| ·贝叶斯网络的参数学习 | 第30-31页 |
| 第三章 分类和预测 | 第31-47页 |
| ·分类和预测 | 第31-38页 |
| ·学生信息库概况 | 第32-33页 |
| ·数据库的数据建模 | 第33-38页 |
| ·利用朴素贝叶斯分类方法进行数据挖掘 | 第38-47页 |
| ·收集、描述数据 | 第39页 |
| ·评估、预处理数据 | 第39-40页 |
| ·加载数据挖掘库 | 第40-41页 |
| ·利用学生信息库的部分属性建立模型 | 第41-43页 |
| ·利用学生信息库的全部属性建立模型 | 第43-47页 |
| 第四章 利用关联规则进行挖掘 | 第47-53页 |
| ·关联规则发现算法 | 第47-49页 |
| ·用关联规则发现技术对学生信息库进行挖掘 | 第49-53页 |
| 第五章 结束语 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-57页 |
