文摘
英文文摘
声明
第1章绪论
1.1数据挖掘的历史及其发展
1.2目前数据挖掘研究现状
1.2.1 国外研究与应用现状
1.2.2国内研究与应用现状
1.3课题研究的背景及意义
1.4论文的研究内容
1.5论文组织结构
第2章数据挖掘技术
2.1数据挖掘定义
2.2数据挖掘与相关学科的区别与联系
2.2.1 数据挖掘与数据库报表工具的区别
2.2.2数据挖掘与传统数据分析工具的区别
2.2.3数据挖掘与机器学习的联系及区别
2.2.4数据挖掘与联机分析处理(OLAP)的区别
2.3数据挖掘的功能
2.3.1分类和预测
2.3.2关联分析
2.3.3聚类分析
2.3.4概念描述
2.3.5演变分析
2.3.6孤立点分析
2.4数据挖掘的过程
2.4.1定义挖掘问题
2.4.2数据准备
2.4.3数据挖掘
2.4.4模式评价和解释
2.5本章小结
第3章关联规则数据挖掘算法研究
3.1关联规则
3.2 Apriori算法
3.2.1 Apriori算法:使用候选项集找频繁项集
3.2.2 Apriori算法的缺陷
3.2.3 Apriori算法的几种优化方法
3.3 FP-growth算法
3.3.1 FP-tree算法
3.3.2 FP-growth算法实施
3.4本章小结
第4章聚类分析算法研究
4.1什么是聚类分析
4.2聚类分析的评价标准
4.3主要的聚类方法
4.3.1划分的方法(Partitioning Method)
4.3.2层次的方法(Hierarchical Method)
4.3.3基于密度(Density-Based)的方法
4.3.4基于网格(Grid-Based)的方法
4.3.5基于模型(Model-Based)的方法
4.3.6基于图论(Graph Theory)的方法
4.4本章小结
第5章探索数据挖掘技术在高校招生工作中的应用
5.1应用描述
5.2相关数据处理
数据采集
5.2.2数据预处理
5.3关联规则在招生信息分析中的应用
5.3.1针对关联规则挖掘需要对原始数据库进行处理
5.3.2编程策略
5.3.3输出规则
5.3.4结果分析
5.4聚类分析在毕业生信息信息分类中的应用
5.4.1数据源
5.4.2针对聚类分析的数据转换
5.4.3聚类算法实现的思路
5.4.4计算条件信息熵和互信息值
5.4.5结果分析
5.5本章小结
结论
参考文献
攻读硕士学位期间所发表的学术论文
致谢