| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 图表目录 | 第8-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本论文的主要研究内容 | 第12-13页 |
| 第二章 数据挖掘理论知识及ID3算法、贝叶斯算法及BP神经网络算法 | 第13-23页 |
| ·数据挖掘定义 | 第13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·ID3算法 | 第14-16页 |
| ·ID3算法原理 | 第15-16页 |
| ·ID3算法的优缺点 | 第16页 |
| ·朴素贝叶斯算法 | 第16-18页 |
| ·朴素贝叶斯分类的工作过程 | 第17-18页 |
| ·朴素贝叶斯算法的优缺点 | 第18页 |
| ·BP神经网络算法 | 第18-21页 |
| ·BP神经网络的原理 | 第19-21页 |
| ·BP神经网络算法的优缺点 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 基于实例的各类算法的实现和比较 | 第23-54页 |
| ·数据集1：“汽车的可接受度”的分类 | 第23-32页 |
| ·数据集1介绍 | 第23页 |
| ·利用ID3分类法进行分类 | 第23-25页 |
| ·利用朴素贝叶斯算法进行分类 | 第25-29页 |
| ·利用BP神经网络算法分类 | 第29-32页 |
| ·数据集2：“鲍鱼寿命的”分类 | 第32-37页 |
| ·数据集2介绍 | 第32页 |
| ·利用ID3算法分类 | 第32-33页 |
| ·利用朴素贝叶斯算法分类 | 第33-36页 |
| ·利用BP神经网络算法分类 | 第36-37页 |
| ·数据集3：“居民收入”的预测分类 | 第37-44页 |
| ·数据集3的介绍 | 第37-38页 |
| ·利用ID3算法分类 | 第38-39页 |
| ·朴素贝叶斯算法分类 | 第39-44页 |
| ·利用BP神经网络算法分类 | 第44页 |
| ·数据集4：幼儿园推荐的分类 | 第44-47页 |
| ·数据集4的介绍 | 第44页 |
| ·利用ID3算法分类 | 第44-45页 |
| ·利用朴素贝叶斯算法处理数据集 | 第45-47页 |
| ·利用BP神经网络算法处理数据集 | 第47页 |
| ·本章小结 | 第47-54页 |
| ·针对数据集比较 | 第47-48页 |
| ·算法比较研究 | 第48-54页 |
| 第四章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57页 |