| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 图表目录 | 第12-14页 |
| 第一章 绪论 | 第14-21页 |
| ·研究背景 | 第14-17页 |
| ·研究目标和主要内容 | 第17-18页 |
| ·本文的贡献 | 第18-19页 |
| ·本文的结构 | 第19-21页 |
| 第二章 知识发现系统研究综述 | 第21-38页 |
| ·引言 | 第21-27页 |
| ·知识发现和数据挖掘 | 第21-22页 |
| ·知识发现应用状况和研究内容 | 第22-23页 |
| ·知识发现系统 | 第23-27页 |
| ·一个知识发现系统的基本需求 | 第27-28页 |
| ·已有的典型知识发现系统及结构 | 第28-36页 |
| ·第一、二代知识发现系统 | 第28-31页 |
| ·下一代知识发现系统 | 第31-36页 |
| ·小结与展望 | 第36-38页 |
| 第三章 基于领域知识的知识发现算法研究综述 | 第38-49页 |
| ·引言 | 第38页 |
| ·领域知识的概念 | 第38页 |
| ·定义 | 第38页 |
| ·领域知识在知识发现中的角色 | 第38-41页 |
| ·数据选择阶段 | 第39页 |
| ·数据预处理阶段 | 第39-40页 |
| ·数据转换阶段 | 第40页 |
| ·数据挖掘阶段 | 第40页 |
| ·模式解释／评价阶段 | 第40页 |
| ·领域知识的反馈 | 第40-41页 |
| ·领域知识的表示 | 第41-44页 |
| ·常用的知识表示方法 | 第41页 |
| ·知识发现中常用的领域知识表示方法 | 第41-44页 |
| ·领域知识在知识发现的研究现状和前景 | 第44-48页 |
| ·数据预处理阶段 | 第44页 |
| ·数据挖掘阶段 | 第44-47页 |
| ·模式解释／评价阶段 | 第47页 |
| ·展望 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第四章 一个面向服务的知识发现体系结构SOA4KD | 第49-68页 |
| ·引言 | 第49-50页 |
| ·相关定义和概念 | 第50-52页 |
| ·面向服务的知识发现体系结构SOA4KD | 第52-58页 |
| ·基于自然语言的知识发现需求获取 | 第53-54页 |
| ·知识发现服务质量本体KDSQO | 第54-57页 |
| ·基于示例学习的元学习器 | 第57-58页 |
| ·实现技术 | 第58-64页 |
| ·问题分词过程 | 第59-62页 |
| ·KDS描述及发现 | 第62-63页 |
| ·多质量因子的元学习器实现 | 第63-64页 |
| ·实验与评价 | 第64-66页 |
| ·一个应用实例 | 第64-66页 |
| ·相关系统特点比较 | 第66页 |
| ·结论 | 第66-68页 |
| 第五章 一种基于语义距离的最近邻分类方法 | 第68-80页 |
| ·引言 | 第68-69页 |
| ·最近邻方法 | 第69-71页 |
| ·基于本体的语义距离计算方法 | 第71-74页 |
| ·本体 | 第71-72页 |
| ·语义距离 | 第72-74页 |
| ·基于语义距离的最近邻方法-SDKNN | 第74-76页 |
| ·数据预处理-计算wf | 第74-75页 |
| ·算法描述 | 第75-76页 |
| ·实验 | 第76-79页 |
| ·实验设计 | 第76-77页 |
| ·实验结果分析 | 第77-79页 |
| ·讨论 | 第79页 |
| ·小结及未来工作方向 | 第79-80页 |
| 第六章 利用本体发现多层次意外分类规则 | 第80-90页 |
| ·引言 | 第80-81页 |
| ·相关研究工作 | 第81-82页 |
| ·整体框架 | 第82-83页 |
| ·相关定义 | 第83-84页 |
| ·剪枝策略 | 第84-85页 |
| ·基于本体的多层次意外规则发现算法 | 第85-86页 |
| ·预测问题 | 第86-87页 |
| ·实验 | 第87页 |
| ·小结及未来工作方向 | 第87-90页 |
| 第七章 一种基于VSOM的两阶段神经网络模型及其在保险洪灾损失预测中的应用 | 第90-106页 |
| ·研究背景 | 第90-91页 |
| ·问题描述 | 第91-93页 |
| ·技术路线 | 第93页 |
| ·保险洪灾损失预测模型整体架构 | 第93-103页 |
| ·地形因子 | 第94-95页 |
| ·排水能力因子 | 第95-97页 |
| ·模型建立 | 第97-99页 |
| ·一个基于VSOM的两阶段神经网络模型 | 第99-101页 |
| ·融入领域知识以提高模型的泛化能力 | 第101-103页 |
| ·实例验证 | 第103-104页 |
| ·小结 | 第104-106页 |
| 第八章 一个原形系统EASYMINER | 第106-116页 |
| ·引言 | 第106-107页 |
| ·基于MVC的知识发现过程分析 | 第107-108页 |
| ·系统功能结构 | 第108-111页 |
| ·实例研究-本文主要内容的综合应用 | 第111-114页 |
| ·小结 | 第114-116页 |
| 第九章 结论与展望 | 第116-118页 |
| ·本文工作总结 | 第116-117页 |
| ·今后的工作 | 第117-118页 |
| 参考文献 | 第118-125页 |
| 致谢 | 第125-126页 |
| 发表文章目录及参加的科研应用项目 | 第126页 |