基于GMDH原理的自组织数据挖掘模型研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·引言 | 第8-9页 |
| ·数据挖掘发展与研究现状 | 第9-11页 |
| ·数据挖掘的起源 | 第9页 |
| ·数据挖掘的定义 | 第9-10页 |
| ·数据挖掘的任务 | 第10-11页 |
| ·数据挖掘的方法 | 第11页 |
| ·自组织数据挖掘概要 | 第11-13页 |
| ·组织与自组织 | 第11-12页 |
| ·自组织与数据挖掘 | 第12页 |
| ·自组织数据挖掘的建模技术 | 第12-13页 |
| ·本文研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-15页 |
| 第二章 自组织数据挖掘模型 | 第15-26页 |
| ·用户在数据挖掘过程中的干预 | 第15-18页 |
| ·数据的选择和预处理 | 第15页 |
| ·数据挖掘算法的选择以及应用 | 第15-17页 |
| ·所提取出的知识的分析 | 第17-18页 |
| ·自动建模方法 | 第18-21页 |
| ·基于回归的模型 | 第18-20页 |
| ·基于规则的建模 | 第20-21页 |
| ·自组织数据挖掘 | 第21-24页 |
| ·自组织数据挖掘的基本模式 | 第22-24页 |
| ·自组织数据挖掘方法的步骤 | 第24页 |
| ·小结 | 第24-26页 |
| 第三章 自组织数据挖掘的建模技术 | 第26-42页 |
| ·统计学习网络 | 第26-30页 |
| ·归纳的方法--GMDH算法 | 第30-42页 |
| ·归纳法 | 第30-32页 |
| ·GMDH中使用的原则 | 第32-38页 |
| ·最优复杂度模型 | 第38-42页 |
| 第四章 参数GMDH算法 | 第42-53页 |
| ·元模型 | 第42-43页 |
| ·替代模型变量的生成 | 第43-46页 |
| ·组合算法 | 第43-45页 |
| ·多层迭代GMDH算法 | 第45-46页 |
| ·活动神经元网络 | 第46-48页 |
| ·活动神经元 | 第46-47页 |
| ·实际的关联性 | 第47-48页 |
| ·模型选择准则 | 第48-52页 |
| ·无数据划分准则 | 第48-50页 |
| ·有数据划分选择准则 | 第50-52页 |
| ·模型的确认 | 第52-53页 |
| 第五章 自组织数据挖掘的应用实例分析 | 第53-66页 |
| ·一个自组织数据挖掘工具的设计与实现 | 第53-56页 |
| ·自组织数据挖掘在国民经济因素分析中的应用 | 第56-61页 |
| ·第三产业就业影响因素的自组织建模分析 | 第57-59页 |
| ·进出口差额影响因素的自组织建模分析 | 第59-61页 |
| ·地铁客流量预测 | 第61-65页 |
| ·训练数据格式设计 | 第62页 |
| ·预测模型的建立与预测分析 | 第62-65页 |
| ·小结 | 第65-66页 |
| 第六章 结论 | 第66-67页 |
| 第七章 论文的难点与创新点 | 第67-68页 |
| ·论文的难点 | 第67页 |
| ·论文的创新点 | 第67-68页 |
| 攻读学位期间公开发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
