| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·引言 | 第9-10页 |
| ·相关文献综述 | 第10-12页 |
| ·论文的内容和组织 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第2章 数据挖掘技术概述 | 第14-22页 |
| ·数据挖掘的提出 | 第14页 |
| ·数据挖掘与传统分析方法的区别 | 第14页 |
| ·相关概念 | 第14-17页 |
| ·知识发现 | 第14-16页 |
| ·数据仓库 | 第16-17页 |
| ·数据挖掘的任务 | 第17-20页 |
| ·关联规则挖掘 | 第17-18页 |
| ·分类与预测 | 第18-19页 |
| ·概念描述 | 第19页 |
| ·聚类 | 第19-20页 |
| ·孤立点分析 | 第20页 |
| ·数据挖掘的应用 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 分类分析 | 第22-32页 |
| ·分类及分类器 | 第22页 |
| ·分类分析的主要步骤 | 第22-23页 |
| ·分类分析的主要方法 | 第23-30页 |
| ·决策树 | 第23-26页 |
| ·基于规则的分类器 | 第26-27页 |
| ·k—最近邻分类器 | 第27-29页 |
| ·人工神经网络 | 第29-30页 |
| ·分类面临的主要问题 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 人工神经网络 | 第32-54页 |
| ·人工神经网络的发展及分类 | 第32-35页 |
| ·前馈型神经网络 | 第35-47页 |
| ·BP神经网络 | 第35-41页 |
| ·RBF径向基函数神经网络 | 第41-47页 |
| ·基于神经网络的数据挖掘过程 | 第47-53页 |
| ·数据准备 | 第47-52页 |
| ·规则提取 | 第52-53页 |
| ·规则评估 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第5章 神经网络分类数据挖掘算法研究及改进 | 第54-69页 |
| ·算法分类 | 第54页 |
| ·教学型算法 | 第54-56页 |
| ·SD算法简介 | 第54-55页 |
| ·IA算法描述 | 第55-56页 |
| ·Rule-extraction-as-learning算法描述 | 第56页 |
| ·分解型算法RX | 第56-60页 |
| ·算法描述 | 第57-58页 |
| ·神经网络的裁剪 | 第58-59页 |
| ·规则提取算法 | 第59-60页 |
| ·对RX算法的改进 | 第60-68页 |
| ·基本思想 | 第60-61页 |
| ·基于JOONE的RBF分类网络架构实例 | 第61-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 发表论文和参加科研情况 | 第75页 |