| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·人工神经网络分类规则提取意义 | 第10页 |
| ·蚁群算法的选取 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国内研究现状 | 第11-12页 |
| ·国外研究现状 | 第12-13页 |
| ·本文内容安排 | 第13-15页 |
| 第二章 数据挖掘和神经网络等理论和技术 | 第15-28页 |
| ·数据挖掘概述 | 第15-16页 |
| ·蚁群算法概述 | 第16-17页 |
| ·蚁群算法机制原理 | 第16页 |
| ·蚁群算法研究进展 | 第16-17页 |
| ·人工神经网络概述 | 第17-24页 |
| ·人工神经网络训练 | 第20-21页 |
| ·人工神经网络分类 | 第21-24页 |
| ·常用的分类算法 | 第24-27页 |
| ·决策树 | 第24-25页 |
| ·朴素贝叶斯法 | 第25页 |
| ·基于关联规则的分类 | 第25页 |
| ·人工神经网络 | 第25-26页 |
| ·K-近邻法 | 第26页 |
| ·支持向量机 | 第26页 |
| ·集成学习 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 人工神经网络分类规则提取研究 | 第28-38页 |
| ·人工神经网络分类规则提取过程 | 第28-34页 |
| ·数据准备 | 第28-30页 |
| ·人工神经网络构造以及训练 | 第30-31页 |
| ·规则提取 | 第31-33页 |
| ·规则评估 | 第33-34页 |
| ·神经网络与遗传算法结合 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于改良蚁群算法的神经网络分类规则提取算法 | 第38-48页 |
| ·数据处理及优化 | 第38-43页 |
| ·改良蚁群算法介绍 | 第38-40页 |
| ·数据预处理 | 第40-41页 |
| ·属性选择 | 第41-42页 |
| ·二进制化的优点 | 第42-43页 |
| ·人工神经网络训练学习 | 第43-44页 |
| ·人工神经网络构造与训练 | 第43-44页 |
| ·算法总体流程图 | 第44页 |
| ·改良TACO 算法产生规则 | 第44-47页 |
| ·改良TACO 规则提取算法的参数 | 第44-46页 |
| ·规则提取算法流程 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 实验及结果分析 | 第48-53页 |
| ·实验数据构造 | 第48-50页 |
| ·实验分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 总结 | 第53-54页 |
| ·本文总结 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |