| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·本文研究的主要内容 | 第11-12页 |
| ·本文的创新之处 | 第12-13页 |
| 第2章 数据仓库技术和数据挖掘 | 第13-23页 |
| ·数据仓库技术 | 第13-18页 |
| ·数据仓库的产生 | 第13页 |
| ·数据仓库的概念 | 第13-15页 |
| ·数据仓库的组成 | 第15-16页 |
| ·OLAP(联机分析处理) | 第16-18页 |
| ·数据挖掘 | 第18-23页 |
| ·数据挖掘的概念 | 第19页 |
| ·数据挖掘的功能 | 第19-20页 |
| ·数据挖掘常用技术 | 第20-23页 |
| 第3章 二类清查数据仓库模型的建立 | 第23-34页 |
| ·三级数据模型设计方法 | 第23页 |
| ·二类调查数据的特征 | 第23-25页 |
| ·二类清查数据仓库设计 | 第25-32页 |
| ·概念模型设计 | 第25-27页 |
| ·逻辑模型设计 | 第27-32页 |
| ·物理模型设计 | 第32页 |
| ·数据采集、转换、装载 ETL | 第32-34页 |
| 第4章 二类清查数据仓库的挖掘模型 | 第34-55页 |
| ·基于粗糙集理论的立地质量评价模型 | 第34-41页 |
| ·资料的来源及其量化 | 第34-36页 |
| ·粗糙集理论概念 | 第36-37页 |
| ·基于粗糙集理论的立地质量评价模型 | 第37-40页 |
| ·实例 | 第40-41页 |
| ·误差检验 | 第41页 |
| ·结果分析 | 第41页 |
| ·基于模糊聚类 BP神经网络的森林资源预测模型 | 第41-55页 |
| ·模糊聚类概念 | 第42页 |
| ·模糊聚类算法思想 | 第42-43页 |
| ·BP神经网络基本概念 | 第43-44页 |
| ·基于模糊聚类 BP神经网络的福建省杉木的蓄积量预测模型的设计 | 第44-55页 |
| 第5章 结论 | 第55-57页 |
| ·系统结构 | 第55页 |
| ·总结 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59页 |