基于蚁群算法和数据挖掘的案例推理技术的研究
| 第一章 绪论 | 第1-16页 |
| ·相关背景 | 第12-15页 |
| ·数据挖掘 | 第12-13页 |
| ·基于案例推理 | 第13-14页 |
| ·蚁群算法 | 第14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文主要研究内容 | 第15页 |
| ·本文组织及章节安排 | 第15-16页 |
| 第二章 数据挖掘 | 第16-32页 |
| ·数据挖掘概述 | 第16-19页 |
| ·数据挖掘的定义 | 第16-17页 |
| ·数据挖掘与传统分析方法的区别 | 第17页 |
| ·数据挖掘和数据仓库 | 第17-18页 |
| ·数据挖掘和在线分析处理 | 第18页 |
| ·数据挖掘，机器学习和统计分析 | 第18页 |
| ·软硬件发展对数据挖掘的影响 | 第18-19页 |
| ·数据挖掘的历史与研究现状 | 第19页 |
| ·研究历史 | 第19页 |
| ·国内外现状 | 第19页 |
| ·数据挖掘的研究内容与本质 | 第19-21页 |
| ·广义知识 | 第20页 |
| ·关联知识 | 第20页 |
| ·分类知识 | 第20-21页 |
| ·预测型知识 | 第21页 |
| ·偏差型知识 | 第21页 |
| ·数据挖掘的功能、常用技术及流程 | 第21-28页 |
| ·数据挖掘的功能 | 第21-22页 |
| ·常用技术 | 第22-27页 |
| ·数据挖掘流程 | 第27-28页 |
| ·数据挖掘的应用及实施数据挖掘的相关考虑 | 第28-30页 |
| ·数据挖掘的应用 | 第28-29页 |
| ·实施数据挖掘的相关考虑 | 第29-30页 |
| ·数据挖掘的未来方向及热点 | 第30-32页 |
| ·数据挖掘未来的研究方向 | 第30页 |
| ·数据挖掘热点 | 第30-32页 |
| 第三章 基于案例推理 | 第32-40页 |
| ·CBR概述 | 第32-33页 |
| ·CBR的历史与研究现状 | 第33页 |
| ·CBR的技术原理和特征 | 第33-34页 |
| ·CBR的工作流程及应用 | 第34-38页 |
| ·CBR的工作流程 | 第34-37页 |
| ·CBR的应用领域 | 第37-38页 |
| ·CBR的发展趋势及相关问题 | 第38-40页 |
| ·发展趋势 | 第38-39页 |
| ·相关问题 | 第39-40页 |
| 第四章 蚁群算法和数据挖掘在案例推理中的应用研究 | 第40-66页 |
| ·概述 | 第40页 |
| ·蚁群算法概述 | 第40-47页 |
| ·蚁群算法的产生 | 第40-41页 |
| ·蚁群算法的原理 | 第41-42页 |
| ·蚁群算法的模型 | 第42-44页 |
| ·蚁群算法的缺陷 | 第44-45页 |
| ·蚁群算法的发展 | 第45-47页 |
| ·关键参数对蚁群算法的影响 | 第47-52页 |
| ·研究目的 | 第47-48页 |
| ·蚁群算法模型中关键参数对TSP问题影响的分析 | 第48-52页 |
| ·蚁群算法在案例库提取中的应用研究 | 第52-60页 |
| ·聚类分析算法 | 第52-55页 |
| ·基于蚁群算法的分类规则挖掘算法 | 第55-59页 |
| ·小结 | 第59-60页 |
| ·利用数据挖掘技术构造案例库的新方法研究 | 第60-66页 |
| ·研究目的 | 第60页 |
| ·利用数据挖掘技术构造案例库 | 第60-65页 |
| ·小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| ·论文工作总结 | 第66页 |
| ·今后工作展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
