| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第7-9页 |
| 1. 绪论 | 第9-13页 |
| 1.1 选题背景及研究意义 | 第9-11页 |
| 1.2 论文主要工作 | 第11-12页 |
| 1.3 本文的组织结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 2．数据挖掘技术综述 | 第13-23页 |
| 2.1 数据挖掘技术的发展 | 第13-14页 |
| 2.2 知识发现的过程 | 第14-17页 |
| 2.2.1 数据的清理和集成 | 第15-16页 |
| 2.2.2 数据的选择和变换 | 第16页 |
| 2.2.3 数据挖掘 | 第16-17页 |
| 2.2.4 模式评估和知识表示 | 第17页 |
| 2.3 数据挖掘工具介绍 | 第17-19页 |
| 2.3.1 IBM DB2 Intelligent Miner | 第17-18页 |
| 2.3.2 SPSS Clementine | 第18页 |
| 2.3.3 SAS Enterprise Miner | 第18-19页 |
| 2.3.4 Weka | 第19页 |
| 2.4 数据挖掘中的分类技术 | 第19-20页 |
| 2.4.1 分类的定义 | 第20页 |
| 2.4.2 分类的过程 | 第20页 |
| 2.5 数据挖掘技术在煤矿企业中的应用 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 3. 针对类不平衡数据集的一种新的分类模型 | 第23-36页 |
| 3.1 类不平衡数据分类问题 | 第23-24页 |
| 3.1.1 类不平衡数据集分类问题介绍 | 第23页 |
| 3.1.2 类不平衡数据集分类困难的原因 | 第23-24页 |
| 3.2 解决类不平衡数据集分类问题的方法 | 第24-26页 |
| 3.2.1 改进分类算法 | 第24-25页 |
| 3.2.2 对数据集进行平衡处理 | 第25-26页 |
| 3.3 改进的 SMOTE 算法 N-SMOTE | 第26-30页 |
| 3.4 分类器的选择 | 第30-32页 |
| 3.5 类不平衡数据集分类的评估度量 | 第32-34页 |
| 3.6 分类模型的提出 | 第34-35页 |
| 3.7 本章小结 | 第35-36页 |
| 4. 实验结果与分析 | 第36-47页 |
| 4.1 实验介绍 | 第36-45页 |
| 4.1.1 分类模型中分类器的选择 | 第36-40页 |
| 4.1.2 类不均衡数据集的分类比较 | 第40-45页 |
| 4.2 实验结果 | 第45页 |
| 4.3 本章小结 | 第45-47页 |
| 5. 分类模型应用于煤矿危险地带分类预测中 | 第47-52页 |
| 5.1 煤矿安全问题及数据挖掘分析 | 第47页 |
| 5.2 数据集介绍 | 第47-49页 |
| 5.3 分类模型应用于煤矿数据集的分类中 | 第49-52页 |
| 6. 总结不足与改进展望 | 第52-53页 |
| 6.1 总结不足 | 第52页 |
| 6.2 改进展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57-58页 |