| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 引言 | 第8-12页 |
| 第一章 数据仓库 | 第12-19页 |
| ·数据仓库的定义 | 第12页 |
| ·数据库和数据仓库 | 第12-14页 |
| ·数据仓库的特点 | 第14-15页 |
| ·数据仓库系统体系结构 | 第15-16页 |
| ·数据仓库的实施和实施过程中需要注意的问题 | 第16-19页 |
| 第二章 数据挖掘 | 第19-34页 |
| ·KDD（Knowledge Discovery in DataBase）和数据挖掘 | 第19-22页 |
| ·数据库中知识发现KDD（Knowledge Discovery in | 第19-20页 |
| ·数据挖掘的定义及含义 | 第20-21页 |
| ·商业角度的定义 | 第21-22页 |
| ·数据挖掘与传统分析方法的区别 | 第22页 |
| ·基于数据仓库的数据挖掘技术 | 第22-23页 |
| ·数据挖掘系统的框架 | 第23-25页 |
| ·数据挖掘所发现的知识 | 第25-26页 |
| ·广义知识（Generalization） | 第25页 |
| ·关联知识（Association） | 第25页 |
| ·分类知识(Classification＆Clustering) | 第25页 |
| ·预测型知识（Prediction） | 第25-26页 |
| ·偏差型知识(Deviation) | 第26页 |
| ·数据挖掘的功能 | 第26-27页 |
| ·自动预测趋势和行为 | 第26页 |
| ·关联分析 | 第26页 |
| ·聚类 | 第26-27页 |
| ·概念描述 | 第27页 |
| ·偏差检测 | 第27页 |
| ·数据挖掘的主要方法和途径 | 第27-28页 |
| ·数据挖掘的技术算法 | 第28-31页 |
| ·数据挖掘的信息论方法 | 第28页 |
| ·数据挖掘的集合论方法 | 第28-29页 |
| ·数据挖掘的仿生物方法 | 第29-30页 |
| ·公式发现 | 第30页 |
| ·统计分析方法利用统计学原理对数据仓库中的数据进行分析. | 第30页 |
| ·其它数据挖掘技术 | 第30-31页 |
| ·数据挖掘的流程 | 第31-32页 |
| ·数据挖掘过程工作量 | 第31页 |
| ·数据挖掘过程简介 | 第31-32页 |
| ·数据挖掘未来研究方向 | 第32-34页 |
| 第三章 关联规则 | 第34-44页 |
| ·关联规则的基本概念 | 第34-35页 |
| ·关联规则的种类 | 第35页 |
| ·关联规则挖掘的经典频集算法 | 第35-38页 |
| ·核心算法 | 第36-37页 |
| ·频集算法的几种优化方法 | 第37-38页 |
| ·其他的频集挖掘方法 | 第38-39页 |
| ·多层和多维关联规则的挖掘 | 第39-41页 |
| ·关联规则价值衡量的方法 | 第41-44页 |
| ·系统客观层面 | 第41-42页 |
| ·用户主观层面 | 第42-44页 |
| 第四章 关于政府信息系统数据挖掘工作的初步探讨 | 第44-63页 |
| ·政府信息工作背景 | 第44-45页 |
| ·信息分析所要达到的目的 | 第45页 |
| ·信息系统分析数据仓库的建立 | 第45-51页 |
| ·政府信息分析系统的主题 | 第46页 |
| ·数据仓库的建立 | 第46-51页 |
| ·基于关联规则的数据挖掘算法 | 第51-54页 |
| ·从频繁项目集中生成规则的计算方法分析 | 第51-52页 |
| ·大项目集生成算法 | 第52-53页 |
| ·基于关联规则的数据挖掘算法 | 第53-54页 |
| ·程序与数据分析 | 第54-62页 |
| ·程序简介 | 第54页 |
| ·程序与数据分析 | 第54-62页 |
| ·算法中存在的问题和今后改进的方向 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
