基于回归数据挖掘预测系统的分析与研究
| 第一章 数据挖掘概论 | 第1-12页 |
| ·数据挖掘定义 | 第7-8页 |
| ·数据挖掘的目的和成功的要素 | 第8页 |
| ·数据挖掘过程 | 第8-9页 |
| ·数据挖掘需要的人员 | 第9-10页 |
| ·数据挖掘技术 | 第10-11页 |
| ·数据挖掘的应用 | 第11-12页 |
| 第二章 预测分析 | 第12-15页 |
| ·关联分析与聚类分析 | 第12页 |
| ·预测分析 | 第12-13页 |
| ·预测分析的作用 | 第13-14页 |
| ·预测分析的实施 | 第14-15页 |
| 第三章 回归分析 | 第15-23页 |
| ·回归分类 | 第15-16页 |
| ·一元线性回归 | 第16-19页 |
| ·回归系数α和β的估计 | 第16-17页 |
| ·一元线性回归的显著性检验 | 第17-19页 |
| ·多元线性回归 | 第19页 |
| ·非线性回归 | 第19-20页 |
| ·已知曲线类型的回归 | 第19-20页 |
| ·未知曲线类型的回归 | 第20页 |
| ·回归方程的选取与系统建模 | 第20-23页 |
| ·回归方程的选取 | 第20-21页 |
| ·系统建模过程 | 第21-23页 |
| 第四章 回归方程的优化 | 第23-40页 |
| ·基于最小二乘法的回归分析模型 | 第23-24页 |
| ·最小二乘法 | 第23页 |
| ·基于最小二乘法的回归分析步骤 | 第23-24页 |
| ·基于神经网络的回归分析模型 | 第24-30页 |
| ·神经网络、感知器及BP算法简介 | 第24-27页 |
| ·基于BP算法神经网络的回归分析 | 第27-28页 |
| ·基于前馈神经网络模型模糊感知器回归分析 | 第28-30页 |
| ·基于遗传算法的回归分析模型 | 第30-36页 |
| ·遗传算法 | 第30-31页 |
| ·遗传算法的基本方法步骤 | 第31-33页 |
| ·基于遗传算法的回归分析步骤 | 第33页 |
| ·基于遗传算法回归分析技术的实现 | 第33-36页 |
| ·回归分析系统性能测试 | 第36-40页 |
| ·系统实验环境 | 第36-37页 |
| ·实例分析 | 第37-40页 |
| 第五章 结论与展望 | 第40-43页 |
| ·结论 | 第40-42页 |
| ·神经网络回归分析 | 第40-41页 |
| ·遗传算法回归分析 | 第41-42页 |
| ·未来的研究工作展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 发表论文和科研情况说明 | 第46-47页 |
| 致谢 | 第47页 |
