| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 绪论 | 第10-23页 |
| 一、选题意义 | 第10-11页 |
| 二、研究动态与文献综述 | 第11-21页 |
| 三、论文结构与研究方法 | 第21-22页 |
| 四、难点和创新 | 第22-23页 |
| 第一章 基于统计视角的数据挖掘理论体系 | 第23-32页 |
| 第一节 数据挖掘与统计学 | 第23-28页 |
| 一、数据挖掘是“智能化统计” | 第23-25页 |
| 二、数据挖掘是统计学在新方向的延伸和扩展 | 第25-28页 |
| 第二节 基于统计视角的数据挖掘理论体系 | 第28-31页 |
| 一、建立数据挖掘理论体系的必要性 | 第28页 |
| 二、数据挖掘理论体系框架 | 第28-31页 |
| 第三节 本章小结 | 第31-32页 |
| 第二章 数据挖掘统计方法综述 | 第32-68页 |
| 第一节 数据挖掘基本问题界定 | 第32-37页 |
| 一、数据挖掘数据源界定 | 第32-34页 |
| 二、数据挖掘属性(变量)类型界定 | 第34-36页 |
| 三、数据挖掘功能界定 | 第36-37页 |
| 第二节 关联挖掘统计方法综述 | 第37-42页 |
| 一、关联挖掘中两个重要统计量 | 第37-39页 |
| 二、关联挖掘分类 | 第39页 |
| 三、关联挖掘中统计处理 | 第39-42页 |
| 第三节 聚类挖掘统计方法综述 | 第42-50页 |
| 一、聚类挖掘分类 | 第42-43页 |
| 二、聚类挖掘算法综述 | 第43-50页 |
| 第四节 分类挖掘统计方法综述 | 第50-62页 |
| 一、决策树分类 | 第50-53页 |
| 二、贝叶斯分类 | 第53-56页 |
| 三、支持向量机 | 第56-62页 |
| 第五节 回归挖掘统计方法综述 | 第62-67页 |
| 一、多元线性回归 | 第62-65页 |
| 二、对数(Logistic)回归 | 第65-67页 |
| 第六节 本章小结 | 第67-68页 |
| 第三章 数据挖掘统计方法进一步研究 | 第68-97页 |
| 第一节 特征描述统计方法研究 | 第68-88页 |
| 一、描述统计法 | 第68-72页 |
| 二、探索性数据分析方法 | 第72-82页 |
| 三、OLAP | 第82-86页 |
| 四、可视化 | 第86-88页 |
| 第二节 聚类挖掘距离函数和相似系数研究 | 第88-96页 |
| 一、定量属性(区间或比率属性)的距离函数和相似系数 | 第88-91页 |
| 二、定性属性的距离函数和相似系数 | 第91-94页 |
| 三、混合类型属性的距离函数 | 第94页 |
| 四、类间距离 | 第94-96页 |
| 第三节 本章小结 | 第96-97页 |
| 第四章 数据挖掘质量问题研究 | 第97-120页 |
| 第一节 数据挖掘质量问题分类 | 第97-102页 |
| 一、源数据的质量问题 | 第98-99页 |
| 二、数据集成时的质量问题 | 第99-100页 |
| 三、数据分析时的质量问题 | 第100-102页 |
| 第二节 源数据质量问题的处理方法 | 第102-107页 |
| 一、数据缺失处理方法 | 第102-104页 |
| 二、数据异常处理方法 | 第104-107页 |
| 第三节 数据集成时质量问题的处理方法 | 第107-109页 |
| 一、建立面向主题的数据库或数据仓库 | 第107页 |
| 二、健全和扩展数据库或数据仓库的元数据 | 第107页 |
| 三、删除冗余属性 | 第107-109页 |
| 第四节 数据分析时质量问题的处理方法 | 第109-119页 |
| 一、代表性问题处理 | 第109-113页 |
| 二、转换性问题处理 | 第113-115页 |
| 三、生成性问题处理 | 第115页 |
| 四、模式或模型的选择性问题处理 | 第115-119页 |
| 第五节 本章小结 | 第119-120页 |
| 第五章 可视化数据挖掘原型实现 | 第120-139页 |
| 第一节 数据挖掘原型设计基础 | 第120-133页 |
| 一、数据挖掘原型应用场景 | 第120页 |
| 二、数据挖掘原型使用对象 | 第120-121页 |
| 三、数据挖掘过程模型 | 第121-125页 |
| 四、数据挖掘模型表示 | 第125-133页 |
| 第二节 可视化数据挖掘框架系统设计 | 第133-138页 |
| 一、基于组件的系统架构 | 第133-134页 |
| 二、系统框架设计 | 第134-136页 |
| 三、系统体系结构 | 第136-137页 |
| 五、系统特点 | 第137-138页 |
| 第三节 本章小结 | 第138-139页 |
| 第六章 数据挖掘在实际数据库上的应用示例 | 第139-160页 |
| 第一节 实验数据库介绍 | 第139-141页 |
| 第二节 客户特征描述─谁是最有价值的客户 | 第141-156页 |
| 一、整个历史阶段客户挖掘 | 第142-147页 |
| 二、最近六个月客户数据挖掘 | 第147-151页 |
| 三、最近三个月客户数据挖掘 | 第151-153页 |
| 四、最近一个月客户数据挖掘 | 第153-154页 |
| 五、挖掘结果用于决策 | 第154-156页 |
| 第三节 铃音关联挖掘 | 第156-159页 |
| 一、数据准备 | 第156-157页 |
| 二、关联挖掘 | 第157-159页 |
| 第四节 本章小结 | 第159-160页 |
| 第七章 全文总结及研究展望 | 第160-162页 |
| 第一节 全文总结 | 第160-161页 |
| 第二节 研究展望 | 第161-162页 |
| 参考文献 | 第162-174页 |
| 致谢 | 第174-175页 |