| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-11页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·论文的主要工作 | 第9-10页 |
| ·论文的组织与安排 | 第10-11页 |
| 2 数据挖掘及平台 | 第11-18页 |
| ·数据挖掘的概念 | 第11-12页 |
| ·技术上的定义 | 第11-12页 |
| ·商业上的概念 | 第12页 |
| ·数据挖掘的任务 | 第12-13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据挖掘的主要技术 | 第14-16页 |
| ·数据挖掘、机器学习与统计学 | 第16页 |
| ·数据挖掘平台 | 第16-18页 |
| ·SPSS统计分析系统 | 第16页 |
| ·Clementine数据挖掘工具 | 第16-18页 |
| 3 数据预处理技术 | 第18-21页 |
| ·数据预处理的任务 | 第18-19页 |
| ·数据集成 | 第18-19页 |
| ·数据清理 | 第19页 |
| ·数据变换 | 第19页 |
| ·数据约简 | 第19页 |
| ·数据离散化 | 第19页 |
| ·数据预处理的方法 | 第19-21页 |
| ·数据缺损处理 | 第19-20页 |
| ·噪声数据处理 | 第20页 |
| ·数据规范化处理 | 第20页 |
| ·数据离散化 | 第20-21页 |
| 4 基于统计学分析的红籽瓜数据挖掘 | 第21-29页 |
| ·引言 | 第21页 |
| ·材料与方法 | 第21-22页 |
| ·经济性状的主成分与聚类划分 | 第22-24页 |
| ·数量性状的遗传相关与通径分析 | 第24-26页 |
| ·数量性状的典型相关分析 | 第26-28页 |
| ·小结 | 第28-29页 |
| 5 基于机器学习的红籽瓜数据挖掘 | 第29-50页 |
| ·引言 | 第29页 |
| ·基于粗糙集的红籽瓜数据约简 | 第29-32页 |
| ·粗糙集算法 | 第29-30页 |
| ·红籽瓜数据约简 | 第30-32页 |
| ·基于决策树的红籽瓜数据分类规则挖掘 | 第32-39页 |
| ·决策树算法 | 第32-35页 |
| ·红籽瓜数据分类规则挖掘 | 第35-39页 |
| ·基于聚类的红籽瓜自交系的遗传规律研究 | 第39-48页 |
| ·UPGMA算法 | 第39页 |
| ·聚类模型挖掘 | 第39-48页 |
| ·小结 | 第48-50页 |
| 6 结论与讨论 | 第50-53页 |
| ·结论 | 第50-51页 |
| ·讨论 | 第51页 |
| ·本研究创新点 | 第51页 |
| ·进一步研究建议 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 人个简历 | 第57-58页 |
| 在读期间发表的学术论文与参加的科研情况 | 第58-59页 |
| 附件A 红籽瓜自交系系谱图 | 第59-61页 |
| 附件B 2002年部分红籽瓜自交系主要经济性状数据集 | 第61-63页 |
| 附件C 2003年部分红籽瓜自交系主要经济性状数据集 | 第63-64页 |
| 附件D 2005年部分红籽瓜自交系主要经济性状数据集 | 第64-65页 |
