| 第一章 引言 | 第1-14页 |
| §1-1 问题的提出 | 第7-12页 |
| 1-1-1 信息增值的过程 | 第7-8页 |
| 1-1-2 信息增值的方法——数据挖掘 | 第8-9页 |
| 1-1-3 聚类分析在信息增值中的作用和存在的问题 | 第9-11页 |
| 1-1-4 知识进化是信息增值过程的发展 | 第11-12页 |
| §1-2 论文主要工作 | 第12-14页 |
| 第二章 信息增值的原理 | 第14-18页 |
| §2-1 信息增值的概念 | 第14-15页 |
| 2-1-1 信息在量上的增值 | 第14-15页 |
| 2-1-2 信息在质上的增值 | 第15页 |
| 2-1-3 信息价值的增值 | 第15页 |
| §2-2 信息增值的原理 | 第15-18页 |
| 2-2-1 知识增长中的信息增值 | 第15页 |
| 2-2-2 信息交流中的信息增值 | 第15-16页 |
| 2-2-3 基于知识交合论的信息增值 | 第16页 |
| 2-2-4 信息在加工中的信息增值 | 第16-18页 |
| 第三章 信息增值技术研究 | 第18-23页 |
| §3-1 引言 | 第18页 |
| §3-2 信息的处理分析技术 | 第18-23页 |
| 3-2-1 信息加工技术的主要方法是对现有的数据进行挖掘 | 第18-19页 |
| 3-2-2 数据挖掘应用于信息增值的方法 | 第19-20页 |
| 3-2-3 聚类分析是适合动态信息的分析处理的重要方法 | 第20-22页 |
| 3-2-4 在解决信息的加工时聚类分析方法存在的问题 | 第22-23页 |
| 第四章 聚类分析算法的初值确定方法研究 | 第23-32页 |
| §4-1 聚类分析算法中典型的K-Means算法 | 第23-25页 |
| §4-2 K-Means算法中的初始聚类数确定问题 | 第25-27页 |
| 4-2-1 K-Means算法对初始聚类数的依赖性 | 第25-26页 |
| 4-2-2 K-Means算法中最优初始聚类数的存在性 | 第26-27页 |
| §4-3 基于小样本理论的K-Means算法初值的确定 | 第27-32页 |
| 4-3-1 基于小样本理论的初值确定方法 | 第27-29页 |
| 4-3-2 初值求解算法的描述 | 第29-30页 |
| 4-3-3 初值求解算法的评价 | 第30-32页 |
| 第五章 聚类分析中的进化技术研究 | 第32-44页 |
| §5-1 聚类分析的知识表达 | 第32-34页 |
| 5-1-1 知识的表达 | 第32-33页 |
| 5-1-2 聚类分析表达知识 | 第33-34页 |
| §5-2 知识进化领域中的重要方法 | 第34-37页 |
| 5-2-1 知识进化算法 | 第34-36页 |
| 5-2-2 蚂蚁算法是知识进化的重要算法 | 第36-37页 |
| §5-3 基于蚂蚁算法的聚类分析算法中的进化技术研究 | 第37-44页 |
| 5-3-1 蚂蚁算法与聚类分析的结合 | 第37-39页 |
| 5-3-2 蚂蚁算法建立度限制树 | 第39-40页 |
| 5-3-3 建立的度限制树进行聚类 | 第40-41页 |
| 5-3-4 建立度限制树算法的改进 | 第41-43页 |
| 5-3-5 实验结果分析与结论 | 第43-44页 |
| 第六章 高考成绩信息增值问题的研究 | 第44-48页 |
| §6-1 高考成绩的价值 | 第44-45页 |
| 6-1-1 高考成绩在教学中的意义和作用 | 第44-45页 |
| 6-1-2 试卷分析是教学过程中不可缺少的部分 | 第45页 |
| §6-2 高考成绩信息增值的过程 | 第45-48页 |
| 6-2-1 高考成绩信息增值的基本过程 | 第45-46页 |
| 6-2-2 高考成绩的聚类分析 | 第46-47页 |
| 6-2-3 高考成绩增值的评价 | 第47-48页 |
| 第七章 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间所取得的相关科研成果 | 第53页 |
