| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1. 绪论 | 第8-14页 |
| ·森林资源调查概述 | 第8页 |
| ·数据挖掘概况 | 第8-11页 |
| ·数据挖掘与知识发现的产生与发展 | 第8-9页 |
| ·数据挖掘的主要功能 | 第9-10页 |
| ·数据挖掘经典算法介绍 | 第10-11页 |
| ·林业数据的数据挖掘研究进展 | 第11-12页 |
| ·研究内容、目标与技术路线 | 第12-14页 |
| 2. 数据挖掘方法与算法 | 第14-19页 |
| ·聚类分析 | 第14-16页 |
| ·K-Means聚类算法 | 第14页 |
| ·TwoStep聚类算法 | 第14-15页 |
| ·Kohonen神经网络聚类算法 | 第15-16页 |
| ·关联分析 | 第16-19页 |
| ·Apriori关联算法 | 第17页 |
| ·Generalized Rule Induction(GRI)关联算法 | 第17页 |
| ·GRI关联算法与Apriori关联算法对比 | 第17-19页 |
| 3. 研究区自然条件概况 | 第19-21页 |
| ·地理位置 | 第19页 |
| ·地貌与地质 | 第19页 |
| ·水文水资源 | 第19-20页 |
| ·土壤 | 第20页 |
| ·气候 | 第20页 |
| ·植被 | 第20-21页 |
| 4. 数据介绍与预处理 | 第21-29页 |
| ·数据筛选和数据审核 | 第21-22页 |
| ·筛选后数据简介 | 第22-26页 |
| ·属性值读取和检查 | 第26-27页 |
| ·数据角色的设置 | 第27页 |
| ·研究工具介绍 | 第27页 |
| ·DEM地形数据提取 | 第27-29页 |
| 5. 密云县林业小班数据挖掘 | 第29-62页 |
| ·密云县整体林业小班数据挖掘 | 第29-37页 |
| ·聚类分析 | 第29-34页 |
| ·关联分析 | 第34-37页 |
| ·密云县优势树种数据挖掘 | 第37-55页 |
| ·油松为优势树种的林业小班数据挖掘 | 第38-43页 |
| ·侧柏为优势树种的林业小班数据挖掘 | 第43-47页 |
| ·刺槐为优势树种的林业小班数据挖掘 | 第47-51页 |
| ·柞树为优势树种的林业小班数据挖掘 | 第51-55页 |
| ·密云县分地类林业小班数据挖掘 | 第55-62页 |
| ·针叶林地数据挖掘 | 第56-59页 |
| ·阔叶林地数据挖掘 | 第59-62页 |
| 6. 结论与展望 | 第62-67页 |
| ·结论 | 第62-66页 |
| ·密云县林业小班整体数据挖掘总结分析 | 第62页 |
| ·优势树种数据挖掘结果总结分析 | 第62-64页 |
| ·密云县分地类数据挖掘结果总结分析 | 第64-66页 |
| ·不足与展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 个人简介 | 第71-72页 |
| 导师简介1 | 第72-73页 |
| 导师简介2 | 第73-74页 |
| 获得成果目录清单 | 第74-75页 |
| 致谢 | 第75页 |