分布式連鎖商業(yè)數據挖掘模型

第1章 緒論
1.1 背景意義
1.1.1 連鎖商業(yè)企業(yè)發(fā)展現狀與趨勢
1.1.2 連鎖商業(yè)企業(yè)信息化現狀與趨勢
1.1.3 連鎖商業(yè)企業(yè)經營決策需求分析
1.1.4 商務智能與數據挖掘技術的發(fā)展
1.1.5 分布式數據挖掘技術的內涵與發(fā)展
1.2 數據挖掘技術的商業(yè)應用現狀與挑戰(zhàn)
1.2.1 電子商務管理領域
1.2.2 客戶關系管理領域
1.2.3 經營決策領域
1.3 本書研究創(chuàng)新之處
第2章 布式數據挖掘理論及應用綜述
2.1 分布式數據庫管理與訪問機制
2.2 分布環(huán)境下數據挖掘研究現狀
2.2.1 分布式數據挖掘的形成與發(fā)展
2.2.2 基于CORBA的分布數據挖掘體系
2.2.3 基于網格的分布數據挖掘體系
2.2.4 基于Web services的分布數據挖掘體系
2.3 分布環(huán)境下數據挖掘算法研究
2.3.1 數據挖掘算法任務類型
2.3.2 經典數據挖掘算法
2.3.3 其他分布式算法
2.4 現有數據挖掘工具介紹
2.4.1 DMiner挖掘工具
2.4.2 Weka挖掘工具
2.5 本章小結
第3章 分布式連鎖商業(yè)數據源內涵與管理體系
3.1 連鎖商業(yè)企業(yè)組織網絡分布與特點
3.2 連鎖商業(yè)企業(yè)數據管理組織行為特點
3.3 分布式連鎖商業(yè)企業(yè)數據源內涵
3.4 分布式連鎖商業(yè)數據概念模型與內涵
3.4.1 分布式連鎖商業(yè)數據概念與內容
3.4.2 分布式連鎖商業(yè)數據的概念模型
3.4.3 基于概念模型的商業(yè)數據表達與運算
3.5 分布式連鎖商業(yè)數據管理體系
3.5.1 支持分布式連鎖商業(yè)數據挖掘的邏輯管理模型
3.5.2 支持分布式連鎖商業(yè)數據挖掘的協(xié)同管理模型
3.5.3 基于Mobile—Agent的連鎖商業(yè)協(xié)同挖掘模型實現
3.6 本章小結
第4章 分布式連鎖商業(yè)數據挖掘系統(tǒng)的體系架構實現
4.1 分布式連鎖商業(yè)企業(yè)數據挖掘需求分析
4.1.1 支持全局決策優(yōu)化的數據挖掘需求分析
4.1.2 支持局部自主決策的數據挖掘需求分析
4.2 面向連鎖商業(yè)決策的分布式數據挖掘系統(tǒng)（B—DSM）
4.2.1 面向連鎖商業(yè)企業(yè)的B—DSM系統(tǒng)框架
4.2.2 面向連鎖商業(yè)企業(yè)的B—DSM模型原理
4.2.3 面向連鎖商業(yè)企業(yè)的B—DSM功能模塊
4.3 基于SMAS體系的B—DSM系統(tǒng)實現技術
4.3.1 設計思想
4.3.2 支撐結構
4.3.3 運行結構
4.4 支持SMAS系統(tǒng)實現的數據交換關鍵技術
4.4.1 對等交換和主從交換的概念與內涵
4.4.2 基于對等交換和主從交換的商業(yè)企業(yè)知識遷移和交換模型
4.5 大型零售企業(yè)綜合電子商務平臺與客戶服務系統(tǒng)的實證
4.5.1 系統(tǒng)結構
4.5.2 系統(tǒng)功能
4.6 本章小結
第5章 面向連鎖商業(yè)企業(yè)的分布式數據挖掘算法模型
5.1 基于分布式ID3的連鎖商業(yè)企業(yè)挖掘算法（B—DID3）
5.1.1 分布式ID3在連鎖商業(yè)決策中的應用分析
5.1.2 面向連鎖商業(yè)企業(yè)的分布式ID3算法實現
5.1.3 基于分布式ID3算法的連鎖商業(yè)挖掘模型
5.1.4 數據挖掘模型驗證和數據分析
5.2 基于分布式BNs的連鎖商業(yè)企業(yè)挖掘算法（B—BNs）
5.2.1 分布式BNs在連鎖商業(yè)決策中的應用分析
5.2.2 面向連鎖商業(yè)企業(yè)的分布式BNs算法實現
5.2.3 基于分布式BNs算法的連鎖商業(yè)挖掘模型
5.2.4 數據挖掘模型驗證與結果分析
5.3 基于分布式關聯規(guī)則的連鎖商業(yè)企業(yè)挖掘模型（B—DAR）
5.3.1 分布式關聯規(guī)則在連鎖商業(yè)決策中的應用分析
5.3.2 面向連鎖商業(yè)企業(yè)的分布式關聯規(guī)則算法實現
5.3.3 基于分布DAR算法的連鎖商業(yè)數據挖掘模型
5.3.4 數據挖掘試驗與結果分析
5.4 基于C4.5和地域因素的連鎖商業(yè)企業(yè)挖掘算法（B—ZDT）
5.4.1 分布式C4.5算法在連鎖商業(yè)企業(yè)決策中的應用分析
5.4.2 基于地域因素的分布式連鎖商業(yè)企業(yè)數據挖掘模型
5.4.3 基于網格技術的GZDM模型
5.5 本章小結
第6章 面向大型連鎖商業(yè)企業(yè)商業(yè)數據挖掘的實證研究
6.1 某百貨集團商業(yè)數據挖掘系統(tǒng)（HZ—DM）概況
6.2 某百貨集團HZ—DM系統(tǒng)體系結構實現
6.2.1 體系結構設計
6.2.2 業(yè)務邏輯層設計
6.2.3 用戶界面層設計
6.3 某百貨集團HZ—DM系統(tǒng)挖掘功能實證
6.3.1 傳統(tǒng)統(tǒng)計分析方法在某百貨集團中的應用分析
6.3.2 關聯規(guī)則在某百貨集團中的應用分析
6.3.3 B—ZDT算法在某百貨集團的應用分析
6.3.4 B—BNs算法在某百貨集團的應用分析
6.4 某百貨集團HZ—DM實施的經濟效益評價
6.5 本章小結
第7章 集成情境因素的連鎖商業(yè)數據挖掘系統(tǒng)研究
7.1 數據挖掘知識重用與情境研究
7.1.1 知識重用理論研究
7.1.2 知識情境理論研究
7.2 連鎖商業(yè)數據挖掘知識情境內涵
7.3 集成情境的連鎖商業(yè)數據挖掘知識產品概念模型
7.3.1 嵌入情境的連鎖商業(yè)數據挖掘知識產品描述
7.3.2 基于情境匹配的連鎖商業(yè)數據挖掘知識產品發(fā)現和重用
7.4 分布式連鎖商業(yè)數據挖掘知識管理系統(tǒng)架構
7.5 某百貨集團數據挖掘系統(tǒng)功能的進一步探索
7.5.1 理論研究與建模思路
7.5.2 產品品類生命周期情境知識生成
7.5.3 集成情境知識的推理規(guī)則庫
7.5.4 應用示例分析
7.6 本章小結
第8章 數據流時代的連鎖商業(yè)數據挖掘研究展望
8.1 數據流管理理論與技術發(fā)展動態(tài)
8.1.1 數據流概要數據結構研究
8.1.2 數據流環(huán)境下的連續(xù)近似查詢
8.1.3 經典數據流管理原型系統(tǒng)回顧
8.2 連鎖商業(yè)數據流挖掘研究現狀比較
8.3 連鎖商業(yè)數據流挖掘的研究工作展望
參考文獻