| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 概述 | 第8-9页 |
| 1.2 研究的背景与意义 | 第9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.3.1 国外研究现状 | 第9-10页 |
| 1.3.2 国内研究现状 | 第10-11页 |
| 1.4 主要研究内容及组织结构 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 2 数据挖掘的基本原理 | 第12-17页 |
| 2.1 数据挖掘技术概述 | 第12-13页 |
| 2.2 几个相关概念 | 第13-14页 |
| 2.3 数据挖掘的任务 | 第14页 |
| 2.3.1 分类分析 | 第14页 |
| 2.3.2 预测分析 | 第14页 |
| 2.3.3 关联分析 | 第14页 |
| 2.4 数据挖掘的常用算法 | 第14-15页 |
| 2.5 数据挖掘的应用 | 第15-16页 |
| 2.6 本章小结 | 第16-17页 |
| 3 神经网络及对BP算法的改进 | 第17-41页 |
| 3.1 人工神经网络技术发展概述 | 第17-18页 |
| 3.2 人工神经网络的基本理论 | 第18-19页 |
| 3.2.1 人工神经网络的类型 | 第18页 |
| 3.2.2 人工神经网络的基本结构 | 第18-19页 |
| 3.3 BP神经网络及其改进 | 第19-34页 |
| 3.3.1 BP神经网络概述 | 第19-20页 |
| 3.3.2 BP网络的基本模型及学习过程 | 第20-25页 |
| 3.3.3 BP神经网络算法的改进 | 第25-33页 |
| 3.3.4 算法改进后的优点 | 第33-34页 |
| 3.4 对改进后算法的数据仿真 | 第34-40页 |
| 3.4.1 第一组实验：通过小数据集对改进算法进行验证 | 第35-37页 |
| 3.4.2 第二组实验：通过大数据集对改进算法进行验证 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 遗传BP神经网络算法 | 第41-46页 |
| 4.1 遗传算法 | 第41-42页 |
| 4.1.1 遗传算法的概述 | 第41页 |
| 4.1.2 遗传算法基本原理 | 第41-42页 |
| 4.2 遗传BP算法的提出 | 第42-45页 |
| 4.2.1 遗传算法在BP神经网络中的应用 | 第42页 |
| 4.2.2 三层染色体结构的GA算法设计 | 第42-45页 |
| 4.3 对遗传BP算法的仿真实验 | 第45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 基于遗传BP算法的数据挖掘研究 | 第46-52页 |
| 5.1 数据准备 | 第46-48页 |
| 5.2 针对遗传BP神经网络中的数据处理操作 | 第48-49页 |
| 5.3 规则提取 | 第49页 |
| 5.4 仿真实验 | 第49-51页 |
| 5.5 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录A 本文作者攻读硕士学位期间所发表的论文 | 第57-58页 |
| 致谢 | 第58-59页 |