事务间量化关联规则挖掘的研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·课题背景和意义 | 第9-11页 |
| ·KDD的研究现状和发展方向 | 第11-13页 |
| ·KDD与数据库技术 | 第11页 |
| ·KDD研究现状 | 第11-13页 |
| ·发展方向 | 第13页 |
| ·课题来源及内容组织 | 第13-14页 |
| 第二章 Data Mining概述 | 第14-23页 |
| ·数据挖掘的功能 | 第14-16页 |
| ·概念／类描述 | 第14页 |
| ·关联分析 | 第14-15页 |
| ·分类和预测 | 第15-16页 |
| ·离群挖掘 | 第16页 |
| ·演化分析 | 第16页 |
| ·数据挖掘系统的分类 | 第16-17页 |
| ·数据挖掘研究的主要问题 | 第17-19页 |
| ·数据挖掘系统的结构 | 第19-20页 |
| ·DM的应用范围 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 事务间量化关联规则 | 第23-44页 |
| ·事务数据库 | 第23-25页 |
| ·N维事务间关联规则 | 第25-28页 |
| ·量化关联规则 | 第28-30页 |
| ·问题描述 | 第28-29页 |
| ·属性映射 | 第29页 |
| ·问题的分解 | 第29-30页 |
| ·事务间量化关联规则 | 第30-32页 |
| ·属性的动态离散化技术 | 第32-35页 |
| ·部分完全性 | 第32-33页 |
| ·决定分区的数目 | 第33-35页 |
| ·兴趣度度量 | 第35-39页 |
| ·R-兴趣度度量 | 第36-37页 |
| ·基于特化的R-兴趣度度量 | 第37-39页 |
| ·事务间关联规则挖掘算法 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 数据仓库和OLAP技术 | 第44-57页 |
| ·数据仓库 | 第44-50页 |
| ·数据仓库的概念 | 第44-45页 |
| ·数据仓库体系结构 | 第45-47页 |
| ·数据仓库的主要技术 | 第47-50页 |
| ·多维数据模型-数据立方体 | 第50-51页 |
| ·数据立方体 | 第50-51页 |
| ·多维数据库模式 | 第51页 |
| ·联机分析处理 | 第51-54页 |
| ·联机分析处理的特点 | 第52页 |
| ·多维数据模刑上的OLAP操作 | 第52-53页 |
| ·OLAP的实现 | 第53-54页 |
| ·联机分析挖掘 | 第54-55页 |
| ·研究联机分析挖掘的原因 | 第54-55页 |
| ·联机分析挖掘的结构 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第五章 空气质量预报系统 | 第57-66页 |
| ·Orpheus系统架构 | 第57-59页 |
| ·Orpheus系统的目标 | 第57页 |
| ·预测空气质量的方法 | 第57-58页 |
| ·Orpheus的系统结构 | 第58-59页 |
| ·模块的功能及设计 | 第59-64页 |
| ·数据预处理模块 | 第60-61页 |
| ·预测模块 | 第61-62页 |
| ·OLAP分析模块 | 第62页 |
| ·知识表示和评价模块 | 第62-64页 |
| ·Orpheus系统的性能目标及特点 | 第64-65页 |
| ·Orpheus系统特点 | 第64页 |
| ·Orpheus系统的性能 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 结论及展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
