| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 引言 | 第7-13页 |
| 1．1 数据挖掘的出现 | 第7-8页 |
| 1．2 数据挖掘的基本状况 | 第8-11页 |
| 1．2．1 数据挖掘的发展与现况 | 第8-9页 |
| 1．2．2 数据挖掘研究内容 | 第9-11页 |
| 1．2．2．1 分类知识 | 第10页 |
| 1．2．2．2 关联知识 | 第10页 |
| 1．2．2．3 广义知识 | 第10-11页 |
| 1．2．2．4 预测型知识 | 第11页 |
| 1．3 电力行业信息化建设发展与现况 | 第11页 |
| 1．4 数据挖掘在电力行业信息化建设中的应用 | 第11-12页 |
| 1．5 本文的工作 | 第12-13页 |
| 第二章 电力营销决策支持系统中数据挖掘的大致框架 | 第13-16页 |
| 2．1 数据挖掘的模型 | 第13页 |
| 2．2 数据预处理 | 第13-15页 |
| 2．2．1 建立用户属性模型 | 第13-14页 |
| ·利用工具进行数据传换 | 第14-15页 |
| 2．2．3 数据的采样和筛选 | 第15页 |
| 2．3 数据挖掘 | 第15页 |
| 2．4 数据评价 | 第15-16页 |
| 2．4．1 输出的可视化 | 第15页 |
| 2．4．2 决策者进行评价,决策 | 第15-16页 |
| 第三章 决策树分类算法 | 第16-34页 |
| 3．1 分类算法概述 | 第16页 |
| 3．2 举例说明分类的过程 | 第16-17页 |
| 3．3 用决策树进行分类 | 第17-20页 |
| 3．3．1 什么是决策树？ | 第17-18页 |
| 3．3．2 决策树的生成算法 | 第18-20页 |
| 3．3．2．1 建树算法 | 第18-19页 |
| 3．3．2．2 剪枝 | 第19-20页 |
| 3．3．3 决策树的优点 | 第20页 |
| 3．3．4 一般决策树的劣势 | 第20页 |
| 3．4 SLIQ快速可伸缩算法 | 第20-27页 |
| 3．4．1 为什么要用SLIQ | 第20-21页 |
| 3．4．2 可伸缩性指标 | 第21-22页 |
| 3．4．2．1 评价节点分裂质量的参数 | 第21页 |
| 3．4．2．2 属性的分裂方法 | 第21页 |
| 3．4．2．3 剪枝 | 第21-22页 |
| 3．4．3 算法流程 | 第22-26页 |
| 3．4．3．1 整个算法的总流程 | 第22-23页 |
| 3．4．3．2 输入输出 | 第23页 |
| 3．4．3．3 数据准备 | 第23页 |
| 3．4．3．4 计算最佳分裂 | 第23-25页 |
| 3．4．3．5 升级节点 | 第25-26页 |
| 3．4．4 其他问题 | 第26-27页 |
| 3．5 系统实现 | 第27-34页 |
| 3．5．1 核心数据结构 | 第27-31页 |
| 3．5．1．1 属性表表项 | 第27-28页 |
| 3．5．1．2 类表表项 | 第28页 |
| 3．5．1．3 决策树节点 | 第28-30页 |
| 3．5．1．4 类直方图 | 第30-31页 |
| 3．5．2 算法流程 | 第31-32页 |
| 3．5．3 剪枝算法 | 第32页 |
| 3．5．4 结果输出 | 第32-34页 |
| 第四章 关联规则挖掘算法 | 第34-50页 |
| 4．1 关联规则的定义 | 第34-36页 |
| 4．1．1 支持度 | 第34页 |
| 4．1．2 可信度 | 第34页 |
| 4．1．3 期望可信度 | 第34-35页 |
| 4．1．4 作用度 | 第35页 |
| 4．1．5 最小可信度 | 第35页 |
| 4．1．6 最小支持度 | 第35页 |
| 4．1．7 强关联规则 | 第35页 |
| 4．1．8 模式的长度 | 第35页 |
| 4．1．9 模式集、频繁模式集 | 第35-36页 |
| 4．2 挖掘关联规则应注意的问题 | 第36页 |
| 4．3 关联规则挖掘的经典算法Apriori算法 | 第36-40页 |
| 4．4 基于三次遍历的快速关联规则挖掘算法 | 第40-48页 |
| 4．4．1 基础知识 | 第40页 |
| 4．4．2 基于三次遍历的快速关联规则挖掘算法的基本思想 | 第40-42页 |
| 4．4．3 基于三次遍历的关联规则挖掘算法 | 第42-48页 |
| 4．4．3．1 算法描述 | 第42页 |
| 4．4．3．2 初始化 | 第42-43页 |
| 4．4．3．3 求频繁1-itemset的算法 | 第43-44页 |
| 4．4．3．4 求频繁2－模式集的2-itemset-gen算法 | 第44-45页 |
| 4．4．3．5 长度大于等于3的频繁模式的候选集的产生算法item－gen | 第45-48页 |
| 4．4．3．6 求强关联规则的rules－gen算法 | 第48页 |
| 4．5 基于三次遍历的快速关联规则挖掘算法与Apriori算法的比较 | 第48-50页 |
| 第五章 结论 | 第50-52页 |
| 5．1 系统实现 | 第50页 |
| 5．2 算法总结 | 第50-51页 |
| 5．3 对未来的展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 致谢 | 第54-55页 |
| 在校期间发表的学术论文 | 第55页 |
