| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪言 | 第9-14页 |
| ·论文背景 | 第9-12页 |
| ·数据挖掘的概念 | 第9-10页 |
| ·数据挖掘在质检机构的应用情况 | 第10-11页 |
| ·项目研究的现实意义 | 第11-12页 |
| ·论文研究的内容和组织结构 | 第12-14页 |
| ·论文研究的内容 | 第12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 数据挖掘技术 | 第14-27页 |
| ·数据挖掘技术的基础 | 第14-15页 |
| ·数据挖掘的功能 | 第15页 |
| ·自动趋势预测 | 第15页 |
| ·自动探测以前未发现的模式 | 第15页 |
| ·自动探测以前未发现的模式 | 第15页 |
| ·数据挖掘的一般过程 | 第15-17页 |
| ·数据挖掘分析方法 | 第17-19页 |
| ·关联分析 | 第17页 |
| ·序列模式分析 | 第17-18页 |
| ·分类分析 | 第18页 |
| ·聚类分析 | 第18页 |
| ·偏差检测(孤立点检测) | 第18-19页 |
| ·数据挖掘中的常用技术 | 第19-20页 |
| ·决策树(Decision Tree) | 第19页 |
| ·神经网络(Neural Network) | 第19页 |
| ·相关规则 | 第19-20页 |
| ·K-nearest邻居 | 第20页 |
| ·遗传算法 | 第20页 |
| ·规则推导 | 第20页 |
| ·数据挖掘和数据仓库 | 第20-21页 |
| ·数据挖掘和在线分析处理(OLAP) | 第21-22页 |
| ·数据挖掘，机器学习和统计 | 第22-23页 |
| ·数据可视化(Data Visualization) | 第23页 |
| ·数据挖掘系统结构和模型 | 第23-27页 |
| ·数据挖掘系统结构 | 第24页 |
| ·CRISP-DM数据挖掘模型 | 第24-25页 |
| ·SEMMA数据挖掘模型 | 第25-27页 |
| 第三章 建立实脸室信息管理系统LIMS | 第27-43页 |
| ·设计思想 | 第27-29页 |
| ·研制标准 | 第27页 |
| ·研制目标 | 第27页 |
| ·系统硬件环境 | 第27页 |
| ·系统软件工具 | 第27-28页 |
| ·系统功能和性能要求 | 第28-29页 |
| ·系统功能要求 | 第28页 |
| ·系统性能要求 | 第28-29页 |
| ·系统的总体框架设计 | 第29-31页 |
| ·系统的总体目的 | 第29页 |
| ·系统的设计原则 | 第29页 |
| ·系统软件功能结构图 | 第29页 |
| ·检测工作管理功能分层结构图 | 第29-30页 |
| ·主要控制过程和管理要求 | 第30-31页 |
| ·系统的技术与实现立场 | 第31-37页 |
| ·命名规则 | 第31页 |
| ·窗体 | 第31页 |
| ·ODBC | 第31页 |
| ·报表 | 第31页 |
| ·功能键 | 第31页 |
| ·所有的报表表头格式 | 第31-32页 |
| ·数据库结构 | 第32-33页 |
| ·用户权限设置 | 第33-35页 |
| ·用户权限设置目的 | 第33页 |
| ·设置原则 | 第33-34页 |
| ·科室权限 | 第34页 |
| ·人员权限 | 第34页 |
| ·相关定义 | 第34-35页 |
| ·部分数据字典 | 第35-37页 |
| ·部分界面介绍 | 第37-43页 |
| ·委托单 | 第37-39页 |
| ·流动卡 | 第39页 |
| ·标准值 | 第39-40页 |
| ·实测值 | 第40-41页 |
| ·化验室子系统 | 第41-42页 |
| ·物理室子系统 | 第42-43页 |
| 第四章 质检业务数据挖掘分析 | 第43-59页 |
| ·质检工作流程图 | 第43-44页 |
| ·基于客户业务数据的数据挖掘方案 | 第44-45页 |
| ·检验客户业务数据挖掘的过程模型 | 第45-46页 |
| ·检验业务理解 | 第46-47页 |
| ·检验业务商业目标的确定 | 第46-47页 |
| ·检验业务数据挖掘问题的定义 | 第47页 |
| ·检验业务量流失模型的数据挖掘逻辑图 | 第47页 |
| ·检验业务数据理解 | 第47-53页 |
| ·检验业务数据来源 | 第47-48页 |
| ·客户分类 | 第48页 |
| ·流失客户 | 第48页 |
| ·正常客户 | 第48页 |
| ·检验业务量流失客户间的关系 | 第48-49页 |
| ·客户业务特征分析 | 第49-53页 |
| ·客户的信息 | 第49页 |
| ·建立原始样本数据空间 | 第49-50页 |
| ·客户业务特征 | 第50-53页 |
| ·数据准备 | 第53-56页 |
| ·数据清洗 | 第54页 |
| ·数据集成与变换 | 第54-55页 |
| ·数据变换 | 第54页 |
| ·数据集成 | 第54-55页 |
| ·数据归约 | 第55页 |
| ·数据挖掘库 | 第55-56页 |
| ·建立客户流失预测分析模型 | 第56-59页 |
| ·决策树分类器 | 第56-57页 |
| ·使用决策树分类器建立客户流失模型 | 第57-59页 |
| 第五章 总结和展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录 A (攻读学位其间发表论文目录) | 第64页 |