基于神经网络的信息挖掘模型研究
| 摘要 | 第1-6页 |
| 引言 | 第6-8页 |
| 第一章 数据挖掘 | 第8-14页 |
| ·数据挖掘的提出与发展 | 第8-10页 |
| ·国内研究现状 | 第10页 |
| ·数据挖掘的理论基础 | 第10-11页 |
| ·数据挖掘系统的组成 | 第11-12页 |
| ·数据挖掘的发展趋势 | 第12-14页 |
| 第二章 人工神经网络 | 第14-24页 |
| ·基本原理 | 第14-18页 |
| ·神经元的生物学解剖 | 第14-15页 |
| ·神经元的信息处理与传递 | 第15-16页 |
| ·人工神经元模型 | 第16-17页 |
| ·神经网络的基本原理 | 第17页 |
| ·神经网络信息处理的基本特性 | 第17-18页 |
| ·神经网络的学习过程及主要算法 | 第18-20页 |
| ·几种神经网络模型 | 第20-24页 |
| ·误差逆传播神经网络 | 第20页 |
| ·Hopfield神经网络 | 第20-21页 |
| ·随机型神经网络 | 第21页 |
| ·竞争型神经网络 | 第21-22页 |
| ·自组织特征映射神经网络 | 第22页 |
| ·对向传播神经网络 | 第22-24页 |
| 第三章 基于神经网络数据挖掘方法研究 | 第24-41页 |
| ·神经网络数据挖掘方法中的数据准备 | 第24-27页 |
| ·数据清洗与选择 | 第24页 |
| ·数据预处理 | 第24-25页 |
| ·数据表示及其对训练时间的影响 | 第25-27页 |
| ·数据集管理 | 第27页 |
| ·基于神经网络的分类决策树构造 | 第27-31页 |
| ·分类决策树的构造算法 | 第28-30页 |
| ·关系强化约束与建模 | 第30-31页 |
| ·基于神经网络的分类与预测 | 第31-35页 |
| ·分类与预测基本知识 | 第31-32页 |
| ·前向神经网络模型 | 第32页 |
| ·误差反向传播(BP)算法 | 第32-35页 |
| ·基于神经网络的关联规则挖掘 | 第35-38页 |
| ·IAC网络及其模型 | 第35-36页 |
| ·求解过程 | 第36-38页 |
| ·基于自组织神经网络的聚类分析 | 第38-41页 |
| ·自组织神经网络拓扑结构 | 第38-39页 |
| ·网络自组织算法 | 第39页 |
| ·竞争学习算法 | 第39-40页 |
| ·有教师学习算法 | 第40-41页 |
| 第四章 数据挖掘系统设计与实现 | 第41-45页 |
| ·开发环境与开发工具 | 第41-42页 |
| ·系统开发环境 | 第41页 |
| ·SqlServer2000简介 | 第41-42页 |
| ·Delphi5.0简介 | 第42页 |
| ·系统设计与实现 | 第42-45页 |
| 第五章 基于数据挖掘方法的水淹层识别 | 第45-50页 |
| ·水淹层解释使用的数据库 | 第45-47页 |
| ·水淹层模式特征选择与数据清洗 | 第47-48页 |
| ·水淹层模式特征选择 | 第47页 |
| ·数据清洗 | 第47页 |
| ·水淹层标准模式库的建立 | 第47-48页 |
| ·水淹层解释关联规则的提取和分类决策 | 第48-50页 |
| ·神经网络模型和学习算法 | 第48页 |
| ·实际资料处理 | 第48-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53-54页 |
| 详细摘要 | 第54-59页 |
