| 1 绪论 | 第1-16页 |
| ·知识发现的应用价值及选题意义 | 第7页 |
| ·知识发现基本思想 | 第7-13页 |
| ·知识发现定义 | 第8-9页 |
| ·知识发现的起源 | 第9页 |
| ·知识发现的功能 | 第9-11页 |
| ·知识发现系统的分类 | 第11-13页 |
| ·知识发现应用 | 第13页 |
| ·知识发现研究概况及面临问题 | 第13-14页 |
| ·论文的主要研究内容和结构安排 | 第14-16页 |
| 2 知识发现的基本原理 | 第16-35页 |
| ·知识发现的概念 | 第16-21页 |
| ·处理过程模型介绍 | 第16-18页 |
| ·数据仓库技术 | 第18-19页 |
| ·知识发现与相关学科的区别与联系 | 第19-21页 |
| ·数据预处理 | 第21-23页 |
| ·数据预处理的重要性 | 第21页 |
| ·数据预处理方法 | 第21-23页 |
| ·知识发现的功能 | 第23-33页 |
| ·概念描述:特征化与比较 | 第23-26页 |
| ·关联规则分析 | 第26-29页 |
| ·分类和预测 | 第29-31页 |
| ·聚类分析 | 第31-32页 |
| ·孤立点分析 | 第32-33页 |
| ·演变分析 | 第33页 |
| ·复杂类型数据的挖掘 | 第33页 |
| ·知识发现的应用和发展趋势 | 第33-34页 |
| ·小结 | 第34-35页 |
| 3 基于粗糙集理论和神经网络的知识发现算法 | 第35-47页 |
| ·粗糙集理论的基础知识 | 第35-37页 |
| ·粗糙集理论的基本概念 | 第35-36页 |
| ·应用举例 | 第36-37页 |
| ·神经网络的基本概念 | 第37-40页 |
| ·基于粗糙集理论的BP网络设计 | 第40-46页 |
| ·网络结构及算法步骤 | 第41-43页 |
| ·实验结果分析 | 第43-46页 |
| ·小结 | 第46-47页 |
| 4 基于模糊集理论的知识发现算法 | 第47-60页 |
| ·模糊集理论的基本概念 | 第47-50页 |
| ·模糊集理论的基础知识 | 第47-49页 |
| ·模糊化方法 | 第49页 |
| ·模糊程度的度量 | 第49-50页 |
| ·模糊C-均值聚类算法 | 第50-53页 |
| ·模糊C-均值算法(FCM fuzzy C-means) | 第50-51页 |
| ·最大化分类指标算法(PIM partition index maximization) | 第51-53页 |
| ·基于模糊集理论和信息增益分析技术的分类算法 | 第53-59页 |
| ·模糊关联规则分类 | 第54-55页 |
| ·信息增益分析技术 | 第55-56页 |
| ·基于信息增益分析技术的模糊分类算法 | 第56-58页 |
| ·实验模拟 | 第58-59页 |
| ·小结 | 第59-60页 |
| 5 基于小波包分析的知识发现算法 | 第60-68页 |
| ·小波包分析基础 | 第60-62页 |
| ·小波包数学模型 | 第60-62页 |
| ·小波包算法 | 第62页 |
| ·基于小波包的聚类算法 | 第62-66页 |
| ·基于小波包的聚类步骤及分析说明 | 第62-63页 |
| ·算法特性分析 | 第63-64页 |
| ·实验数据分析 | 第64-66页 |
| ·知识发现的其他方法 | 第66-67页 |
| ·小结 | 第67-68页 |
| 6 总结和展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的研究成果 | 第73-74页 |
| 致谢 | 第74-76页 |