| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 序言 | 第10-14页 |
| ·课题来源、背景和意义 | 第10-11页 |
| ·本人所做工作 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 第二章 数据挖掘的实验平台及环境 | 第14-18页 |
| ·VLT系统结构介绍 | 第14-16页 |
| ·VLT客户端软件 | 第14-15页 |
| ·VLT Online Web系统 | 第15-16页 |
| ·对用户学习的建议 | 第16-18页 |
| 第三章 数据挖掘技术 | 第18-33页 |
| ·数据挖掘技术的由来 | 第18-21页 |
| ·网络之后的下一个技术热点 | 第18-19页 |
| ·数据爆炸但知识贫乏 | 第19页 |
| ·支持数据挖掘技术的基础 | 第19-20页 |
| ·从商业数据到商业信息的进化 | 第20-21页 |
| ·数据挖掘逐渐演变的过程 | 第21页 |
| ·数据挖掘的定义 | 第21-23页 |
| ·技术上的定义及含义 | 第21-22页 |
| ·商业角度的定义 | 第22-23页 |
| ·数据挖掘与传统分析方法的区别 | 第23页 |
| ·数据挖掘的研究历史和现状 | 第23-24页 |
| ·研究历史 | 第23页 |
| ·国内现状 | 第23-24页 |
| ·业界观点 | 第24页 |
| ·数据挖掘研究内容和本质 | 第24-26页 |
| ·广义知识(Generalization) | 第24-25页 |
| ·关联知识(Association) | 第25页 |
| ·分类知识(Classification＆Clustering) | 第25-26页 |
| ·预测型知识(Prediction) | 第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26-27页 |
| ·关联分析 | 第27页 |
| ·聚类 | 第27页 |
| ·概念描述 | 第27页 |
| ·偏差检测 | 第27页 |
| ·数据挖掘常用技术 | 第27-28页 |
| ·人工神经网络 | 第27-28页 |
| ·决策树 | 第28页 |
| ·遗传算法 | 第28页 |
| ·近邻算法 | 第28页 |
| ·规则推导 | 第28页 |
| ·数据挖掘的流程 | 第28-32页 |
| ·数据挖掘环境 | 第28-29页 |
| ·数据挖掘过程图 | 第29页 |
| ·数据挖掘过程工作量 | 第29-30页 |
| ·数据挖掘过程简介 | 第30-31页 |
| ·数据挖掘需要的人员 | 第31-32页 |
| ·数据挖掘应用 | 第32-33页 |
| 第四章 系统使用的数据挖掘任务及算法 | 第33-52页 |
| ·系统模型的准备 | 第33-34页 |
| ·数据预处理 | 第34-39页 |
| ·数据预处理的重要性 | 第34-35页 |
| ·数据清洗 | 第35-36页 |
| ·遗漏数据处理 | 第35页 |
| ·噪声数据处理 | 第35-36页 |
| ·数据集成和转换 | 第36-37页 |
| ·数据集成处理 | 第36页 |
| ·数据转换处理 | 第36-37页 |
| ·数据消减 | 第37页 |
| ·离散化和概念层次树生成 | 第37-39页 |
| ·概念层次 | 第37-38页 |
| ·概念层次的作用 | 第38页 |
| ·概念层次的生成 | 第38-39页 |
| ·数据挖掘使用的方法 | 第39-52页 |
| ·关联规则挖掘 | 第39-41页 |
| ·关联挖掘 | 第39-40页 |
| ·基本概念 | 第40页 |
| ·关联规则挖掘分类 | 第40-41页 |
| ·粗糙集方法 | 第41-52页 |
| ·粗糙集简介 | 第41-42页 |
| ·粗糙集理论 | 第42-45页 |
| ·基于粗糙集的数据归约 | 第45-52页 |
| ·信息系统与数据库 | 第45-48页 |
| ·属性归约 | 第48-52页 |
| 第五章 系统中数据挖掘的实现 | 第52-74页 |
| ·数据的来源 | 第52-58页 |
| ·VLT产生的数据 | 第52-55页 |
| ·VLT Online Web Server端接受的数据 | 第55-57页 |
| ·用于数据挖掘的数据的收集 | 第57-58页 |
| ·数据预处理 | 第58-63页 |
| ·Syllable Transcription 的泛化 | 第58-60页 |
| ·Syllable Score数据的离散化 | 第60-61页 |
| ·Segment Score等其它分数数据的离散化 | 第61-62页 |
| ·分数数据的等频率划分 | 第62-63页 |
| ·使用粗糙集进行数据挖掘 | 第63-71页 |
| ·数据结构的定义 | 第63-65页 |
| ·信息系统的控制 | 第65-66页 |
| ·信息系统数据的访问控制 | 第66页 |
| ·集合数据的访问控制 | 第66-68页 |
| ·对信息系统的基本访问 | 第68-69页 |
| ·计算核心 | 第69-70页 |
| ·计算最佳归约集 | 第70页 |
| ·生成规则 | 第70-71页 |
| ·使用定义的函数计算 | 第71-74页 |
| 第六章 数据挖掘未来研究方向及热点 | 第74-78页 |
| ·前途光明的数据挖掘技术 | 第74-75页 |
| ·数据挖掘未来研究方向 | 第75-76页 |
| ·数据挖掘热点 | 第76-78页 |
| ·网站的数据挖掘(Web site data mining) | 第76-77页 |
| ·生物信息或基因的数据挖掘 | 第77页 |
| ·文本的数据挖掘(Textualmining) | 第77-78页 |
| 结束语 | 第78-79页 |
| 参考文献 | 第79-81页 |
| 致谢 | 第81-82页 |
