| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-9页 |
| 1．1 数据挖掘出现的背景 | 第6页 |
| 1．2 数据挖掘的研究现状 | 第6-7页 |
| 1．3 课题的研究意义和目的 | 第7页 |
| 1．4 论文的内容安排 | 第7-9页 |
| 第二章 数据挖掘技术及应用 | 第9-19页 |
| 2．1 数据挖掘的概念 | 第9-11页 |
| 2．1．1 数据挖掘系统总体结构 | 第9-11页 |
| 2．2 数据挖掘的功能 | 第11-12页 |
| 2．2．1 自动预测趋势和行为 | 第11页 |
| 2．2．2 关联分析 | 第11页 |
| 2．2．3 聚类 | 第11页 |
| 2．2．4 概念描述 | 第11页 |
| 2．2．5 偏差检测 | 第11-12页 |
| 2．3 数据挖掘的方法 | 第12-14页 |
| 2．4 数据挖掘的步骤 | 第14-15页 |
| 2．5 数据挖掘的工具 | 第15页 |
| 2．5．1 基于神经网络的工具 | 第15页 |
| 2．5．2 基于规则和决策树的工具 | 第15页 |
| 2．5．3 基于模糊逻辑的工具 | 第15页 |
| 2．5．4 综合多方法工具 | 第15页 |
| 2．6 数据挖掘的应用 | 第15-18页 |
| 2．6．1 数据挖掘解决的典型商业问题 | 第16页 |
| 2．6．2 数据挖掘在市场营销的应用 | 第16-17页 |
| 2．6．3 成功案例 | 第17-18页 |
| 2．7 数据挖掘中存在的问题 | 第18-19页 |
| 第三章 关联规则挖掘 | 第19-40页 |
| 3．1 关联规则的基本概念 | 第19-20页 |
| 3．2 关联规则挖掘分类 | 第20-21页 |
| 3．3 挖掘单维布尔关联规则 | 第21-28页 |
| 3．3．1 Apriori算法 | 第21-24页 |
| 3．3．2 由频繁项集产生关联规则 | 第24-26页 |
| 3．3．3 提高Apriori的有效性 | 第26-28页 |
| 3．4 FP-树频集算法 | 第28-35页 |
| 3．4．1 FP-树频集算法 | 第28-30页 |
| 3．4．2 构造FP-tree的步骤 | 第30-31页 |
| 3．4．3 挖掘FP-tree的主要步骤 | 第31-33页 |
| 3．4．4 试验数据与分析 | 第33-35页 |
| 3．5 多层关联规则挖掘 | 第35-37页 |
| 3．5．1 多层次关联规则 | 第35-36页 |
| 3．5．2 挖掘多层次关联规则方法 | 第36-37页 |
| 3．6 多维关联规则挖掘 | 第37-40页 |
| 3．6．1 多维关联规则 | 第37-40页 |
| 第四章 数据挖掘在房地产行业的应用 | 第40-48页 |
| 4．1 房地产行业需要数据挖掘技术的支持 | 第40页 |
| 4．2 数据挖掘在房地产行业的应用 | 第40-42页 |
| 4．2．1 数据挖掘的市场研究价值 | 第40-41页 |
| 4．2．2 数据挖掘在房地产客户研究中有着广泛的应用 | 第41-42页 |
| 4．3 如何在房地产行业应用数据挖掘技术 | 第42-44页 |
| 4．3．1 明确商业目标 | 第42-43页 |
| 4．3．2 数据准备 | 第43页 |
| 4．3．3 建立模型 | 第43页 |
| 4．3．4 输出结果的评价和解释 | 第43-44页 |
| 4．3．5 实施 | 第44页 |
| 4．4 应用举例:基于客户分类的关联分析 | 第44-48页 |
| 4．4．1 商业目标 | 第44页 |
| 4．4．2 数据准备 | 第44页 |
| 4．4．3 建立模型 | 第44-48页 |
| 结束语 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |