基于BP神经网络的WEB数据挖掘
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·课题研究现状 | 第11-12页 |
| ·论文的主要研究内容 | 第12页 |
| ·论文的结构安排 | 第12-14页 |
| 第二章 WEB 数据挖掘技术 | 第14-26页 |
| ·数据挖掘介绍 | 第14-15页 |
| ·数据挖掘的由来 | 第14页 |
| ·数据挖掘的内容 | 第14-15页 |
| ·数据挖掘研究的分类 | 第15-16页 |
| ·根据挖掘的数据库类型分类 | 第16页 |
| ·根据采用的技术和方法分类 | 第16页 |
| ·根据挖掘的知识类型分类 | 第16页 |
| ·根据挖掘的应用领域分类 | 第16页 |
| ·数据挖掘技术 | 第16-19页 |
| ·决策树 | 第16-17页 |
| ·神经网络 | 第17页 |
| ·关联规则 | 第17-18页 |
| ·聚类分析 | 第18页 |
| ·统计学习 | 第18页 |
| ·模糊集和粗糙集 | 第18-19页 |
| ·数据挖掘过程 | 第19-21页 |
| ·WEB 数据挖掘 | 第21-25页 |
| ·WEB 数据挖掘介绍 | 第21-22页 |
| ·WEB 挖掘的概念 | 第22-23页 |
| ·WEB 挖掘的分类 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 BP 神经网络算法介绍 | 第26-38页 |
| ·神经网络介绍 | 第26-29页 |
| ·BP 神经网络算法基本概念 | 第29-30页 |
| ·BP 神经网络算法的基本结构 | 第30-32页 |
| ·BP 神经网络算法的相关问题 | 第32-33页 |
| ·BP 神经网络算法的特征及优点 | 第33-34页 |
| ·改进的BP 神经网络算法 | 第34-37页 |
| ·传统的改进BP 神经网络算法介绍 | 第34-35页 |
| ·改进的BP 神经网络算法内容 | 第35页 |
| ·改进的BP 神经网络算法实验结果 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于BP 神经网络的WEB 文本挖掘 | 第38-48页 |
| ·WEB 文本挖掘简述 | 第38-40页 |
| ·WEB 文本分类算法 | 第40-43页 |
| ·决策树（Decision Trees） | 第40-41页 |
| ·KNN 算法 | 第41页 |
| ·贝叶斯网络算法 | 第41-42页 |
| ·神经网络（Neural Networks） | 第42页 |
| ·Boosting 算法 | 第42-43页 |
| ·支撑矢量机算法 | 第43页 |
| ·使用改进的BP 神经网络算法的WEB 文本分类 | 第43-46页 |
| ·文档特征提取 | 第43页 |
| ·特征项集构造 | 第43-44页 |
| ·特征向量的构造 | 第44页 |
| ·多子网并联BP 网络模型 | 第44页 |
| ·文档分类方案 | 第44-45页 |
| ·应用实验结果 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 总结和工作展望 | 第48-50页 |
| ·总结 | 第48页 |
| ·工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第53页 |
