| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 1 绪论 | 第13-21页 |
| ·论文研究背景及选题意义 | 第13-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·数据挖掘体系结构研究现状 | 第14-15页 |
| ·神经网络挖掘技术现状 | 第15-18页 |
| ·论文研究的主要内容 | 第18-19页 |
| ·论文组织结构 | 第19-21页 |
| 2 商业智能与数据挖掘 | 第21-35页 |
| ·商业智能 | 第21-29页 |
| ·概念与定义 | 第21页 |
| ·核心技术 | 第21-23页 |
| ·应用领域与前景 | 第23-24页 |
| ·商业智能的体系结构 | 第24-26页 |
| ·商业数据挖掘过程 | 第26-29页 |
| ·商业智能中采用的主要数据挖掘技术 | 第29-34页 |
| ·关联规则 | 第30-31页 |
| ·分类 | 第31页 |
| ·聚类 | 第31-32页 |
| ·人工神经网络 | 第32-33页 |
| ·决策树 | 第33-34页 |
| ·小结 | 第34-35页 |
| 3 并行数据挖掘技术基础 | 第35-55页 |
| ·并行计算抽象模型 | 第35-39页 |
| ·PRAM模型 | 第35-36页 |
| ·BSP模型 | 第36-37页 |
| ·阶段模型 | 第37-39页 |
| ·并行计算复杂性理论 | 第39-41页 |
| ·并行算法性能评价指标 | 第41-42页 |
| ·并行编程方法与模型 | 第42-45页 |
| ·并行算法设计需要解决的主要问题 | 第45-50页 |
| ·并行策略 | 第46-47页 |
| ·负载平衡 | 第47-50页 |
| ·并行程序设计环境 | 第50-54页 |
| ·PVM(Parallel Virtual Machine) | 第50-51页 |
| ·MPI(Message Passing Interface) | 第51-52页 |
| ·PVM与MPI的比较 | 第52-54页 |
| ·小结 | 第54-55页 |
| 4 一种并行数据挖掘体系结构 | 第55-77页 |
| ·数据挖掘体系结构分析 | 第55-59页 |
| ·已有的典型数据挖掘系统及结构 | 第55-57页 |
| ·现有数据挖掘系统结构框架 | 第57-58页 |
| ·现有数据挖掘系统的不足 | 第58-59页 |
| ·采用数据挖掘结果存储的数据挖掘体系结构 | 第59-62页 |
| ·对现有数据挖掘系统结构的改进思路 | 第59-60页 |
| ·数据挖掘结果的存储和再利用 | 第60-62页 |
| ·采用并行处理技术提高数据挖掘效率 | 第62-72页 |
| ·对称多处理机系统SMP | 第62-63页 |
| ·大规模并行处理机系统MPP | 第63-64页 |
| ·分布式共享存储器系统DSM | 第64-65页 |
| ·工作站机群COW | 第65-68页 |
| ·COW的性能特点 | 第68-69页 |
| ·COW性能的实验分析 | 第69-72页 |
| ·一种面向商业智能应用的并行数据挖掘体系结构 | 第72-75页 |
| ·并行数据挖掘体系结构框架 | 第73-74页 |
| ·并行数据挖掘体系结构的特点 | 第74-75页 |
| ·小结 | 第75-77页 |
| 5 数据挖掘模式存储方法研究 | 第77-95页 |
| ·现有数据挖掘系统中结果模式的存储方法 | 第77-80页 |
| ·关联规则存储 | 第77-79页 |
| ·分类规则存储 | 第79页 |
| ·序列模式存储 | 第79-80页 |
| ·三种结果模式的关系代数描述方法 | 第80-85页 |
| ·关联规则的关系代数描述 | 第80-82页 |
| ·分类规则的关系代数描述 | 第82-83页 |
| ·序列模式的关系代数描述 | 第83-85页 |
| ·三种数据挖掘结果模式的统一存储方法 | 第85-87页 |
| ·结构化模式查询语言SPQL | 第87-94页 |
| ·小结 | 第94-95页 |
| 6 并行神经网络算法设计及应用 | 第95-121页 |
| ·神经网络的常用模型 | 第95-97页 |
| ·串行神经网络BP算法 | 第97-105页 |
| ·BP算法的思想 | 第97页 |
| ·BP算法描述 | 第97-100页 |
| ·BP算法的局限性 | 第100-101页 |
| ·BP算法的改进方法 | 第101-105页 |
| ·并行神经网络BP算法设计 | 第105-112页 |
| ·并行策略 | 第105-108页 |
| ·BP算法改进策略 | 第108-110页 |
| ·二次并行BP算法 | 第110-112页 |
| ·TP-BP算法实验与性能分析 | 第112-115页 |
| ·实验描述 | 第112-113页 |
| ·实验结果分析 | 第113-115页 |
| ·药品销售趋势预测模型与实现 | 第115-119页 |
| ·BP网络预测模型 | 第115-117页 |
| ·销售预测系统实现 | 第117-119页 |
| ·小结 | 第119-121页 |
| 7 总结 | 第121-123页 |
| ·论文工作总结 | 第121-122页 |
| ·今后的研究方向 | 第122-123页 |
| 致 谢 | 第123-125页 |
| 参考文献 | 第125-133页 |
| 附 录 | 第133-135页 |