基于RBF神经网络的数据挖掘研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章绪论 | 第11-15页 |
| ·研究背景和意义 | 第11-12页 |
| ·数据挖掘的产生及其发展 | 第12-14页 |
| ·论文组织结构 | 第14-15页 |
| 第2章 数据挖掘及相关基本理论 | 第15-25页 |
| ·数据挖掘的定义 | 第15-16页 |
| ·数据挖掘工作流程 | 第16-18页 |
| ·数据挖掘的任务 | 第18-20页 |
| ·数据挖掘的常用算法 | 第20-21页 |
| ·数据挖掘的工具 | 第21-23页 |
| ·数据挖掘与其它技术的关系 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章基于人工神经网络的数据挖掘方法 | 第25-36页 |
| ·人工神经网络技术发展概述 | 第25-27页 |
| ·人工神经网络基本理论 | 第27-32页 |
| ·人工神经网络的类型 | 第27-28页 |
| ·人工神经网络的基本结构 | 第28-29页 |
| ·数据挖掘中常用的几种神经网络模型 | 第29-32页 |
| ·人工神经网络在数据挖掘中应用的优缺点 | 第32-33页 |
| ·基于人工神经网络方法的数据挖掘过程 | 第33-34页 |
| ·关键技术与实现途径 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章基于RBF 神经网络的分类数据挖掘 | 第36-48页 |
| ·RBF 神经网络概述 | 第36-43页 |
| ·RBF 神经网络结构 | 第36-37页 |
| ·RBF 神经网络的特点及优点 | 第37-38页 |
| ·RBF 网络存在的问题及研究现状 | 第38-43页 |
| ·RBF 网络分类器构造 | 第43-45页 |
| ·仿真实验与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 RBF 神经网络训练算法的改进 | 第48-56页 |
| ·引言 | 第48页 |
| ·动静结合的隐含层设计方法 | 第48-50页 |
| ·两阶段学习策略 | 第50-51页 |
| ·误差校正法 | 第51-53页 |
| ·对比实验分析与总结 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 数据挖掘系统的设计 | 第56-67页 |
| ·数据挖掘系统模型 | 第56-57页 |
| ·系统模块概要设计 | 第57-59页 |
| ·安全性和权限管理 | 第59页 |
| ·现阶段系统实现 | 第59-66页 |
| ·本章小节 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
