基于多关系数据挖掘与智能代理的港口企业统计工作研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·选题背景 | 第11-15页 |
| ·港口企业统计工作的需求提升 | 第11-12页 |
| ·多关系数据挖掘的切实发展 | 第12-13页 |
| ·统计智能代理的逐步应用 | 第13-14页 |
| ·分布式数据挖掘的必要性 | 第14-15页 |
| ·研究意义及重点问题 | 第15-16页 |
| ·研究的意义 | 第15页 |
| ·研究的重点问题 | 第15-16页 |
| ·研究内容 | 第16-19页 |
| 2 相关理论综述 | 第19-25页 |
| ·多关系数据挖掘理论 | 第19-22页 |
| ·统计关系的学习 | 第19-20页 |
| ·多关系数据挖掘的简述 | 第20页 |
| ·多关系数据挖掘的研究方法 | 第20-22页 |
| ·智能统计理论 | 第22-25页 |
| ·统计与软件开发的结合 | 第22页 |
| ·智能代理的实现方法 | 第22-24页 |
| ·智能代理的优越性 | 第24-25页 |
| 3 港口企业统计工作现状分析 | 第25-37页 |
| ·港口企业信息系统结构图 | 第25-26页 |
| ·港口企业信息系统统计关系分析 | 第26-28页 |
| ·港口企业统计工作流程分析 | 第28-30页 |
| ·港口企业统计系统功能结构分析 | 第30-34页 |
| ·统计信息系统功能内容 | 第30-31页 |
| ·统计系统结构 | 第31-34页 |
| ·统计工作应用成效分析 | 第34-37页 |
| 4 港口企业高效智能统计模式构建 | 第37-47页 |
| ·实现架构 | 第37-39页 |
| ·实现模式 | 第39-47页 |
| ·业务模块系统内实现模式 | 第40-43页 |
| ·跨业务模块系统实现模式 | 第43-45页 |
| ·统计模式实现的关键问题 | 第45-47页 |
| 5 港口企业高效智能统计模式实现 | 第47-67页 |
| ·业务对象确定 | 第47页 |
| ·数据处理 | 第47-51页 |
| ·数据抽取 | 第47-48页 |
| ·数据转换 | 第48-50页 |
| ·数据加载 | 第50-51页 |
| ·数据仓库建立 | 第51-55页 |
| ·数据仓库设计 | 第51-55页 |
| ·数据存储 | 第55页 |
| ·数据推理与分析实现 | 第55-61页 |
| ·多关系数据关联规则提取算法 | 第56-58页 |
| ·学习推荐算法 | 第58-59页 |
| ·数据分析算法 | 第59-61页 |
| ·数据分析结果展现 | 第61-62页 |
| ·智能代理移动统计实现 | 第62-63页 |
| ·Agent技术实现 | 第63-66页 |
| ·封装Agent | 第63-64页 |
| ·移动Agent | 第64-65页 |
| ·多个Agent通信机制 | 第65页 |
| ·Agent实现机制 | 第65-66页 |
| ·构建策略的可复制性分析 | 第66-67页 |
| 6 港口企业统计新构建模式转换 | 第67-73页 |
| ·新统计模式特点 | 第67-69页 |
| ·技术特点 | 第67-68页 |
| ·系统特点 | 第68-69页 |
| ·模式转换障碍分析 | 第69-71页 |
| ·旧系统的集成 | 第69页 |
| ·企业外部数据的获取 | 第69-70页 |
| ·分布式数据的规范 | 第70页 |
| ·挖掘分析算法的有效性验证 | 第70页 |
| ·最终分析结果的评估 | 第70-71页 |
| ·新模式构建效益的分析 | 第71页 |
| ·模式转换后存在的问题 | 第71-73页 |
| ·合适的工程化开发方法的缺少 | 第71页 |
| ·智能软件质量评估标准的缺少 | 第71-72页 |
| ·高性能并行/分布式挖掘算法的缺少 | 第72-73页 |
| 7 港口企业统计构建策略拓展应用 | 第73-75页 |
| ·适用企业模式 | 第73页 |
| ·适用数据 | 第73-75页 |
| 8 总结与展望 | 第75-77页 |
| ·论文总结 | 第75-76页 |
| ·研究展望 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 作者简历 | 第79-83页 |
| 学位论文数据集 | 第83页 |
