| 第一章 引言 | 第1-9页 |
| 1．1 课题的背景 | 第7页 |
| 1．2 本文内容概述 | 第7页 |
| 1．3 课题研究的预期目标 | 第7-9页 |
| 第二章 数据挖掘基本理论 | 第9-19页 |
| 2．1 数据挖掘与知识发现产生的历史背景 | 第9-10页 |
| 2．2 数据挖掘与知识发现（KDD）的方法体系 | 第10-19页 |
| 2．2．1 数据挖掘定义 | 第10-11页 |
| 2．2．2 数据挖掘对象 | 第11-12页 |
| 2．2．3 数据挖掘的功能 | 第12-14页 |
| 2．2．4 数据挖掘的基本方法和技术 | 第14-15页 |
| 2．2．5 数据挖掘实现步骤 | 第15-16页 |
| 2．2．6 数据挖掘应用的局限性 | 第16-19页 |
| 第三章 商务自动化系统数据分析 | 第19-21页 |
| 3．1 售前数据 | 第19页 |
| 3．2 售中数据 | 第19-20页 |
| 3．3 售后数据 | 第20-21页 |
| 第四章 商务自动化系统的设计和实现 | 第21-23页 |
| 4．1 自动化商务系统的总体功能图 | 第21-23页 |
| 第五章 数据挖掘技术的应用 | 第23-60页 |
| 5．1 关联规则挖掘的概念 | 第23-24页 |
| 5．2 关联规则挖掘分类 | 第24-25页 |
| 5．3 关联规则挖掘的模型与步骤 | 第25页 |
| 5．4 关联规则的度量方法 | 第25-28页 |
| 5．5 基本算法与关联规则挖掘 | 第28-35页 |
| 5．5．1 多循环方式的挖掘算法 | 第28-29页 |
| 5．5．2 增量式更新算法 | 第29-30页 |
| 5．5．3 并行发现算法 | 第30-31页 |
| 5．5．4 多层关联规则 | 第31-32页 |
| 5．5．5 量化属性关联规则 | 第32-33页 |
| 5．5．6 基于约束的关联规则 | 第33-34页 |
| 5．5．7 基于距离的关联规则 | 第34页 |
| 5．5．8 其它算法 | 第34-35页 |
| 5．6 关联规则存在的问题 | 第35页 |
| 5．7 关联规则挖掘在电脑卖场信息支持系统中的应用 | 第35-48页 |
| 5．7．1 既带权重又带约束的关联规则提取算法 | 第36-42页 |
| 5．7．1．1 带权重的关联规则 | 第36-37页 |
| 5．7．1．2 约束关联规则 | 第37页 |
| 5．7．1．3 既带权重又带约束的关联规则提取算法 | 第37-41页 |
| 5．7．1．4 算法实验结果分析 | 第41-42页 |
| 5．7．2 加权关联规则增量更新算法 | 第42-48页 |
| 5．7．2．1 加权关联规则增量更新算法 | 第42-46页 |
| 5．7．2．2 实验结果分析 | 第46-48页 |
| 5．8 Hopfield神经网络理论基础 | 第48-54页 |
| 5．9 Hopfield网在商务自动化系统中的应用 | 第54-60页 |
| 第六章 本文的主要成果和课题进一步研究的设想 | 第60-62页 |
| 6．1 本文主要成果 | 第60页 |
| 6．2 课题进一步研究的设想 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 个人简历 | 第67页 |
