数据挖掘中抽样技术的应用研究--方法改进与实证分析
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引言 | 第8-14页 |
| 第一节 选题意义 | 第8页 |
| 第二节 研究内容和方法 | 第8-10页 |
| 第三节 文献综述 | 第10-14页 |
| 第二章 数据库中的知识发现 | 第14-20页 |
| 第一节 序言 | 第14-15页 |
| 第二节 KDD的实现过程 | 第15-16页 |
| 第三节 数据挖掘理论 | 第16-20页 |
| 一、数据挖掘的对象 | 第16-18页 |
| 二、数据挖掘的技术 | 第18-19页 |
| 三、数据挖掘的应用 | 第19-20页 |
| 第三章 数据挖掘与抽样技术 | 第20-28页 |
| 第一节 抽样技术的基本理论 | 第21-22页 |
| 一、概率抽样的基本类型 | 第21-22页 |
| 第二节 数据挖掘中抽样技术的实现方法 | 第22-25页 |
| 一、静态抽样 | 第22-23页 |
| 二、动态抽样 | 第23-24页 |
| 三、数据挖掘中抽样技术的应用缺陷 | 第24-25页 |
| 第三节 基于数据挖掘的抽样方法的改进 | 第25-28页 |
| 一、最优样本容量 | 第25-26页 |
| 二、改进的静态抽样 | 第26页 |
| 三、改进的动态抽样 | 第26-27页 |
| 四、改进的抽样技术在数据挖掘中的应用 | 第27-28页 |
| 第四章 基于抽样的分类规则提取 | 第28-32页 |
| 第一节 数据挖掘中的分类技术 | 第28-30页 |
| 一、常见的分类方法 | 第28-30页 |
| 第二节 基于抽样的分类算法的改进 | 第30-32页 |
| 一、方法分析 | 第30-31页 |
| 二、实证分析 | 第31-32页 |
| 第五章 基于抽样的关联规则挖掘 | 第32-38页 |
| 第一节 关联规则理论 | 第32-33页 |
| 一、关联规则 | 第32-33页 |
| 二、关联规则发现 | 第33页 |
| 第二节 基于频繁项集的Apriori算法 | 第33-34页 |
| 第三节 基于抽样技术的关联规则挖掘算法的改进 | 第34-38页 |
| 一、方法分析 | 第34-35页 |
| 二、实证分析 | 第35-38页 |
| 第六章 基于抽样的聚类分析 | 第38-47页 |
| 第一节 聚类分析理论 | 第38-44页 |
| 一、主要的聚类分析方法 | 第38-44页 |
| 第二节 基于抽样技术的聚类分析方法的改进 | 第44-47页 |
| 一、方法分析 | 第44-45页 |
| 二、实证分析 | 第45-47页 |
| 第七章 研究结论与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-66页 |
| 致谢 | 第66-67页 |
