| 第一章 绪论 | 第1-12页 |
| ·课题来源与项目研究背景 | 第8-10页 |
| ·作者所做工作及本文内容安排 | 第10-12页 |
| ·作者所做的工作 | 第10-11页 |
| ·本文的内容安排: | 第11-12页 |
| 第二章 国内外相关技术发展综述 | 第12-21页 |
| ·人工智能发展综述 | 第12-15页 |
| ·人工智能的起源 | 第12页 |
| ·人工智能的发展过程 | 第12-13页 |
| ·人工智能的研究领域 | 第13-15页 |
| ·相关计算机处理技术发展现状 | 第15-21页 |
| ·数据库技术 | 第15-19页 |
| ·面向对象程序设计 | 第19-21页 |
| 第三章 数据挖掘技术分析 | 第21-28页 |
| ·数据挖掘的定义与工作流程 | 第21-22页 |
| ·数据挖掘的常用算法 | 第22-24页 |
| ·数据挖掘的任务及其实现工具 | 第24-26页 |
| ·数据挖掘的应用 | 第26-28页 |
| 第四章 科学数据挖掘中的分类分析 | 第28-38页 |
| ·分类的过程 | 第28-29页 |
| ·建立模型 | 第28页 |
| ·应用建立的模型进行分类 | 第28-29页 |
| ·典型的分类器构造方法简介 | 第29页 |
| ·分类方法的比较和评估标准 | 第29-30页 |
| ·科学数据挖掘系统中的分类方法及实验 | 第30-38页 |
| ·k-最近邻分类 | 第30-31页 |
| ·k-最近邻分类算法在科学数据中的实验及结果 | 第31-32页 |
| ·决策树算法 | 第32-33页 |
| ·决策数算法在科学数据中的实验及结果 | 第33-34页 |
| ·BP 神经网络分类算法 | 第34-37页 |
| ·BP 算法在科学数据上的实验及结果 | 第37-38页 |
| 第五章 科学数据挖掘中的聚类分析 | 第38-53页 |
| ·科学数据挖掘中聚类方法简介 | 第38-39页 |
| ·划分方法及改进 | 第39-42页 |
| ·k-平均算法 | 第39-40页 |
| ·k-中心点算法 | 第40-41页 |
| ·迭代过程中优化参照点选取的k-平均算法 | 第41-42页 |
| ·改进型的基于欧氏距离的聚类算法 | 第42-45页 |
| ·K-中心和基于密度思想结合的算法 | 第45-48页 |
| ·对基于网格和密度的算法的改进---迭代网格聚类算法 | 第48-53页 |
| 第六章 科学数据挖掘系统的设计与实现 | 第53-72页 |
| ·系统设计思想与体系结构 | 第54-56页 |
| ·模式识别模块设计与实现 | 第56-60页 |
| ·J2EE 平台实现 | 第60-66页 |
| ·J2EE 多层分布式体系结构 | 第61页 |
| ·J2EE 层次 | 第61-62页 |
| ·J2EE 组件 | 第62-65页 |
| ·科学数据挖掘系统的多层应用模型 | 第65-66页 |
| ·系统实现的技术重点与难点 | 第66-72页 |
| ·数据库连接池的设计与实现 | 第66-70页 |
| ·海量数据动态存取 | 第70-72页 |
| 第七章 总结与展望 | 第72-73页 |
| ·主要工作 | 第72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 致谢 | 第75-76页 |
| 个人简历及硕士阶段成果 | 第76页 |