基于具有模糊输出BP网络的决策分类模型的研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5页 |
| 第一章 数据挖掘和决策支持 | 第8-20页 |
| 1．1 数据挖掘技术 | 第8-10页 |
| 1．2 数据仓库技术 | 第10-11页 |
| 1．3 分类和预测 | 第11-13页 |
| 1．4 人工神经网络技术 | 第13-18页 |
| 1．5 模糊技术 | 第18-20页 |
| 第二章 基于BP网络的分类挖掘模型的设计 | 第20-56页 |
| 2．1 BP学习算法 | 第20-25页 |
| 2．2 BP网络的可解性原理 | 第25-29页 |
| 2．3 设计我们的BP网络 | 第29-42页 |
| 2．3．1 具有模糊输出的BP网络的体系结构 | 第29页 |
| 2．3．2 输入／输出层的设计 | 第29-35页 |
| 2．3．3 隐单元的选择 | 第35-37页 |
| 2．3．4 节点初始权值，偏置的选取 | 第37-39页 |
| 2．3．5 神经元的激励函数 | 第39-42页 |
| 2．4 数据的预处理 | 第42-52页 |
| 2．4．1 为什么要进行数据的预处理 | 第42-43页 |
| 2．4．2 常用的预处理手段 | 第43-44页 |
| 2．4．3 我们的数据预处理工作 | 第44-51页 |
| 2．4．4 数据文件 | 第51-52页 |
| 2．5 模型的训练方法 | 第52页 |
| 2．6 挖掘结果的可视化 | 第52-56页 |
| 第三章 模型的实现 | 第56-77页 |
| 3．1 Java语言 | 第56-57页 |
| 3．2 模块分析 | 第57-77页 |
| 第四章 对模型的进一步讨论 | 第77-85页 |
| 4．1 分类法的准确性问题 | 第77-79页 |
| 4．2 对分类法评价的进一步讨论 | 第79-80页 |
| 4．3 BP算法存在的不足 | 第80-81页 |
| 4．4 改进分类BP网络的途径 | 第81-85页 |
| 结束语 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 致谢 | 第90页 |
