| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-9页 |
| 1.1 引言 | 第6页 |
| 1.2 数据挖掘的研究现状 | 第6-7页 |
| 1.3 论文组织结构 | 第7-9页 |
| 第二章 数据挖掘中规则提取问题相关技术与理论 | 第9-13页 |
| 2.1 数据挖掘 | 第9-11页 |
| 2.1.1 数据挖掘的定义 | 第9页 |
| 2.1.2 数据挖掘的功能 | 第9-10页 |
| 2.1.3 数据挖掘常用方法 | 第10-11页 |
| 2.2 数据挖掘中的规则提取问题 | 第11-13页 |
| 2.2.1 连续属性离散化 | 第11-12页 |
| 2.2.2 基于免疫算法的规则提取 | 第12页 |
| 2.2.3 基于神经网络的规则提取 | 第12-13页 |
| 第三章 连续属性离散化 CH12 方法研究 | 第13-21页 |
| 3.1 引言 | 第13页 |
| 3.2 数理统计基本理论和离散化过程中的基本概念 | 第13-15页 |
| 3.2.1 数理统计基本理论 | 第13-14页 |
| 3.2.2 离散化过程中的基本概念 | 第14-15页 |
| 3.3 连续属性离散化的CH12 系列算法 | 第15-16页 |
| 3.4 Integral－CH12 算法 | 第16-18页 |
| 3.5 实验与讨论 | 第18-19页 |
| 3.6 小结 | 第19-21页 |
| 第四章 基于小生境免疫算法的柔性可信度规则提取方法研究.. | 第21-31页 |
| 4.1 引言 | 第21页 |
| 4.2 基本理论 | 第21-24页 |
| 4.2.1 免疫算法 | 第21-24页 |
| 4.2.2 小生境理论 | 第24页 |
| 4.3 规则的表示方法和重要性的度量 | 第24-26页 |
| 4.3.1 规则的表示方法 | 第24页 |
| 4.3.2 规则的重要性度量 | 第24-26页 |
| 4.4 小生境共享机制的实现方法 | 第26-28页 |
| 4.5 基于免疫算法的规则提取 | 第28-29页 |
| 4.6 实验与结论 | 第29-30页 |
| 4.7 小结 | 第30-31页 |
| 第五章 基于 BP 神经网络的规则提取方法研究 | 第31-42页 |
| 5.1 引言 | 第31页 |
| 5.2 BP 神经网络的基本理论 | 第31-33页 |
| 5.2.1 神经元 | 第31-32页 |
| 5.2.2 神经网络 | 第32页 |
| 5.2.3 误差反传（BP）算法 | 第32-33页 |
| 5.3 神经网络中规则提取相关研究进展 | 第33页 |
| 5.4 基于BP 神经网络的规则提取 | 第33-38页 |
| 5.4.1 规则表示方法 | 第34页 |
| 5.4.2 相邻两层间的规则提取 | 第34-36页 |
| 5.4.3 规则空间启发式的搜索 | 第36-37页 |
| 5.4.4 具体算法步骤 | 第37-38页 |
| 5.5 算例与实验 | 第38-41页 |
| 5.5.1 算例 | 第38-40页 |
| 5.5.2 实验结果 | 第40-41页 |
| 5.6 小结 | 第41-42页 |
| 第六章 结论与展望 | 第42-44页 |
| 6.1 总结 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47-48页 |
| 攻读硕士学位期间撰写和发表的学术论文 | 第48-49页 |