| 摘 要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·选题依据 | 第9-10页 |
| ·数据挖掘的研究背景及研究意义 | 第10-11页 |
| ·本文的研究内容和组织结构 | 第11-13页 |
| 第2章 数据挖掘分类技术 | 第13-23页 |
| ·分类的定义 | 第13页 |
| ·数据分类过程 | 第13-15页 |
| ·分类器的构造方法 | 第15-20页 |
| ·决策树分类法 | 第16页 |
| ·贝叶斯分类法 | 第16-19页 |
| ·K-最临近分类法 | 第19-20页 |
| ·神经网络 | 第20页 |
| ·分类的准确度评估方法 | 第20-23页 |
| ·影响一个分类器错误率的因素 | 第20-21页 |
| ·评估方法 | 第21-23页 |
| 第3章 决策树技术 | 第23-39页 |
| ·决策树的基本概念 | 第23-24页 |
| ·决策树基本算法 | 第24-25页 |
| ·决策树ID3 | 第25-28页 |
| ·相关定义 | 第25-26页 |
| ·ID3 算法 | 第26-28页 |
| ·决策树C4.5 | 第28-31页 |
| ·使用增益比例 | 第29页 |
| ·处理训练样本中的空缺值 | 第29-30页 |
| ·处理训练样本中的连续值属性 | 第30页 |
| ·规则的产生 | 第30-31页 |
| ·其他决策树方法 | 第31-33页 |
| ·分类与回归树（CART） | 第31-32页 |
| ·SLIQ 决策树 | 第32-33页 |
| ·SPRINT 决策树 | 第33页 |
| ·决策树的剪枝 | 第33-39页 |
| ·预剪枝 | 第34-35页 |
| ·后剪枝 | 第35-39页 |
| 第4章 人工神经网络 | 第39-49页 |
| ·人工神经网络模型 | 第39-44页 |
| ·人工神经元模型 | 第39-40页 |
| ·激活函数 | 第40-41页 |
| ·神经网络学习规则 | 第41-43页 |
| ·神经网络的分类 | 第43-44页 |
| ·BP 神经网络 | 第44-48页 |
| ·BP 神经网络的结构 | 第44-45页 |
| ·BP 神经网络的算法 | 第45-47页 |
| ·BP 算法流程图 | 第47-48页 |
| ·神经网络规则抽取 | 第48-49页 |
| 第5 章 分类数据挖掘在击剑训练负荷分析系统中的应用 | 第49-64页 |
| ·开发工具介绍 | 第49-50页 |
| ·指标选择与介绍 | 第50-51页 |
| ·C4.5 决策树的实现 | 第51-58页 |
| ·计算非类别属性的信息量 | 第52-53页 |
| ·连续属性的处理 | 第53页 |
| ·空数据的处理 | 第53-54页 |
| ·C4.5 决策树的建立 | 第54-56页 |
| ·决策树的修建 | 第56-57页 |
| ·规则抽取 | 第57-58页 |
| ·BP 神经网络的构建与实现 | 第58-60页 |
| ·决策树与神经网络的比较研究 | 第60-64页 |
| ·决策树与神经网络的比较 | 第60-61页 |
| ·决策树与神经网络的有机结合 | 第61-64页 |
| 第6 章 总结和展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 研究生期间发表论文情况 | 第70页 |
| 研究生期间承担项目情况 | 第70页 |