| 第一章 智能决策支持系统及数据挖掘的重要性 | 第1-11页 |
| ·决策支持系统 | 第6-8页 |
| ·决策支持系统(DSS)的定义 | 第6页 |
| ·决策支持系统的任务及功能 | 第6-7页 |
| ·决策支持系统的基本构成 | 第7-8页 |
| ·智能决策支持系统(IDSS) | 第8-9页 |
| ·数据挖掘在智能决策支持系统的重要地位 | 第9-11页 |
| 第二章 数据挖掘 | 第11-20页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘任务 | 第11-13页 |
| ·数据挖掘的实施过程 | 第13-15页 |
| ·数据挖掘的常规方法 | 第15-17页 |
| ·数据挖掘系统的原型框架 | 第17-20页 |
| 第三章 三种改进的数据挖掘的方法 | 第20-39页 |
| ·基于不确定性知识的主观贝叶斯网络算法 | 第21-26页 |
| ·不确定性知识的主观贝叶斯网络构成算法 | 第21-23页 |
| ·主观贝叶斯网络在不确定性知识中传递合成推理算法 | 第23-25页 |
| ·不确定性知识的主观贝叶斯网络算法的实现与结论 | 第25-26页 |
| ·基于网格的退火遗传算法(GSAG) | 第26-35页 |
| ·网格法的基本思想与特点 | 第27-28页 |
| ·模拟退火算法 | 第28页 |
| ·标准的遗传算法(SGA) | 第28-30页 |
| ·基于网格法的退火遗传算法具体步骤 | 第30-35页 |
| ·基于GSAG进化神经网络初始权矩阵算法 | 第35-39页 |
| ·基本的BP算法 | 第35-37页 |
| ·基于GSAG进化BP神经网络初始权矩阵算法具体步骤 | 第37-39页 |
| 第四章 基于数据挖掘方法的智能决策支持系统的模型自动选择设计 | 第39-49页 |
| ·基于智能方法的模型自动选择 | 第40-41页 |
| ·决策问题的表示和识别 | 第41-42页 |
| ·模型类型的自动选择 | 第42-44页 |
| ·基于神经网络的趋势外推预测模型结构的选择 | 第44-49页 |
| ·趋势外推预测模型结构 | 第44-45页 |
| ·用于知识趋势预测模型结构的NN结构的确定 | 第45-47页 |
| ·用于识别趋势外推预测模型结构的神经网络算法 | 第47-49页 |
| 第五章 基于数据挖掘方法的智能决策支持系统的模型自动选择实验 | 第49-60页 |
| ·基于GSGA进化的BP神经网络模型自动选择系统实验结果 | 第49-54页 |
| ·模型自动选择系统使用说明与核心程序源码分析 | 第54-60页 |
| 第六章 回顾与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-63页 |
