| 第1章 导论 | 第1-16页 |
| 1．1 引言 | 第7-9页 |
| 1．1．1 问题的提出 | 第7-8页 |
| 1．1．2 本文的研究背景 | 第8-9页 |
| 1．1．3 本文的研究目的 | 第9页 |
| 1．2 国内外研究现状 | 第9-13页 |
| 1．3 研究内容及论文结构 | 第13-16页 |
| 1．3．1 研究思路 | 第13页 |
| 1．3．2 主要内容及论文结构 | 第13-16页 |
| 第2章 数据挖掘分类算法和混合智能系统的研究 | 第16-30页 |
| 2．1 数据挖掘 | 第16-19页 |
| 2．1．1 数据挖掘的定义 | 第16页 |
| 2．1．2 数据挖掘的过程 | 第16-18页 |
| 2．1．3 数据挖掘的主要任务 | 第18-19页 |
| 2．2 数据挖掘的分类问题 | 第19-21页 |
| 2．2．1 数据挖掘分类的概念 | 第19页 |
| 2．2．2 数据挖掘分类的过程 | 第19页 |
| 2．2．3 数据挖掘分类的数据预处理与评价 | 第19-21页 |
| 2．3 数据挖掘的主要分类算法 | 第21-24页 |
| 2．3．1 基于判定树的归纳分类 | 第21-23页 |
| 2．3．2 统计上的贝叶斯分类 | 第23页 |
| 2．3．3 人工神经网络分类 | 第23-24页 |
| 2．3．4 其他方法及综合评价 | 第24页 |
| 2．4 混合智能系统研究 | 第24-30页 |
| 2．4．1 混合智能系统的概念 | 第25页 |
| 2．4．2 混合智能系统的基本模式 | 第25-28页 |
| 2．4．3 几种主要混合智能系统分析 | 第28-30页 |
| 第3章 基于HIS的分类模型R-FC-DENN | 第30-55页 |
| 3．1 基于HIS分类模型的总体框架 | 第30-35页 |
| 3．2 RS子模型 | 第35-39页 |
| 3．2．1 数据预处理 | 第36页 |
| 3．2．2 基于粗糙集的数据约简 | 第36-38页 |
| 3．2．3 RS子模型的微观结构 | 第38-39页 |
| 3．3 FCM子模型 | 第39-43页 |
| 3．3．1 模糊集基本知识 | 第39页 |
| 3．3．2 K均值聚类算法 | 第39-41页 |
| 3．3．3 模糊C均值聚类 | 第41-43页 |
| 3．3．4 FCM子模型的微观结构 | 第43页 |
| 3．4 DENN子模型 | 第43-50页 |
| 3．4．1 LM算法 | 第43-45页 |
| 3．4．2 DE-LM算法 | 第45-49页 |
| 3．4．3 DENN子模型的微观结构 | 第49-50页 |
| 3．5 FNN子模型 | 第50-51页 |
| 3．6 R-FC-DENN分析 | 第51-55页 |
| 第4章 混合智能系统 R-FC-DENN的实现及实证分析 | 第55-73页 |
| 4．1 混合智能系统R-FC-DENN的实现 | 第55-60页 |
| 4．1．1 系统功能的需求分析 | 第55-56页 |
| 4．1．2 系统功能的结构设计 | 第56-57页 |
| 4．1．3 系统的技术结构图 | 第57-58页 |
| 4．1．4 系统的设计与实现 | 第58-60页 |
| 4．2 实证分析 | 第60-73页 |
| 4．2．1 Iris问题 | 第60-66页 |
| 4．2．2 Contraceptive问题 | 第66-71页 |
| 4．2．3 实证结果综合分析 | 第71-73页 |
| 第5章 结束语 | 第73-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80-89页 |
| 附录1: RFCDENNTool结构 | 第80-81页 |
| 附录2: RFCDENNTool主要函数实现 | 第81-89页 |
| 致谢 | 第89-90页 |
| 攻读学位期间主要研究成果 | 第90页 |