| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-10页 |
| 第1章 绪论 | 第10-17页 |
| ·数据挖掘的产生和定义 | 第10-11页 |
| ·数据挖掘一般过程 | 第11-13页 |
| ·时间序列数据挖掘的产生和定义 | 第13-14页 |
| ·时间序列数据挖掘现状分析 | 第14页 |
| ·基于神经网络的时间序列数据挖掘研究概况 | 第14-16页 |
| ·本文研究的目标和内容 | 第16-17页 |
| 第2章 过程神经元网络 | 第17-24页 |
| ·过程神经元 | 第17-18页 |
| ·离散过程神经元网络模型 | 第18-20页 |
| ·网络结构 | 第18-19页 |
| ·学习算法 | 第19-20页 |
| ·双隐层过程神经元网络模型 | 第20-23页 |
| ·网络结构 | 第20-21页 |
| ·学习算法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于过程神经元网络的时间序列数据挖掘模型及算法 | 第24-33页 |
| ·时间序列过程神经元 | 第24-25页 |
| ·时间序列过程神经元网络挖掘模型 | 第25-29页 |
| ·时间序列过程神经元网络结构 | 第25-26页 |
| ·时间序列过程神经元网络基于离散Walsh 函数变换的学习算法 | 第26-29页 |
| ·双隐层时间序列过程神经元网络挖掘模型 | 第29-32页 |
| ·双隐层时间序列过程神经元网络结构 | 第29-30页 |
| ·双隐层时间序列过程神经元网络基于离散Walsh 函数变换的学习算法 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 时序过程神经元网络挖掘模型在水淹层识别中的应用 | 第33-42页 |
| ·模型应用原理描述 | 第33-34页 |
| ·模式特征提取 | 第34-35页 |
| ·测井资料预处理 | 第35-37页 |
| ·网络学习及水淹层判别 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第5章 时序过程神经元网络挖掘模型在沉积微相识别中的应用 | 第42-46页 |
| ·模型应用原理描述 | 第42页 |
| ·测井资料预处理 | 第42-43页 |
| ·测井曲线自动分层 | 第42-43页 |
| ·插值处理 | 第43页 |
| ·标准化处理 | 第43页 |
| ·沉积微相特征提取及学习样本筛选 | 第43-44页 |
| ·沉积微相特征提取 | 第43页 |
| ·学习样本筛选 | 第43-44页 |
| ·最小决策算法 | 第44页 |
| ·网络训练和模式识别 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第6章 结论与展望 | 第46-48页 |
| ·全文总结 | 第46-47页 |
| ·今后的研究方向 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 发表文章目录 | 第51-52页 |
| 致谢 | 第52-53页 |
| 详细摘要 | 第53-62页 |
