| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-14页 |
| ·前言 | 第10-11页 |
| ·数据挖掘的产生及其发展 | 第11-12页 |
| ·本文的主要工作及结构安排 | 第12-14页 |
| 2 数据挖掘技术概述 | 第14-22页 |
| ·数据挖掘简介 | 第14-15页 |
| ·数据挖掘的由来 | 第14页 |
| ·数据挖掘的定义 | 第14-15页 |
| ·数据挖掘工作流程 | 第15-17页 |
| ·数据挖掘的任务 | 第17-19页 |
| ·关联规则挖掘 | 第17-18页 |
| ·分类与预测 | 第18页 |
| ·概念描述 | 第18-19页 |
| ·聚集 | 第19页 |
| ·孤立点分析 | 第19页 |
| ·演变分析 | 第19页 |
| ·数据挖掘的应用 | 第19-20页 |
| ·数据挖掘面临的挑战 | 第20-21页 |
| ·数据挖掘的发展方向 | 第21页 |
| ·本章小结 | 第21-22页 |
| 3 人工神经网络与遗传算法的研究 | 第22-42页 |
| ·人工神经网络 | 第22-31页 |
| ·人工神经网络的发展及分类 | 第22-24页 |
| ·人工神经网络的基本结构 | 第24-25页 |
| ·数据挖掘中常用的几种神经网络模型 | 第25-28页 |
| ·人工神经网络在数据挖掘中应用的优缺点 | 第28-29页 |
| ·基于人工神经网络的数据挖掘过程 | 第29-30页 |
| ·关键技术与实现途径 | 第30-31页 |
| ·遗传算法及遗传算法的改进 | 第31-41页 |
| ·遗传算法的基本理论 | 第31-32页 |
| ·遗传算法的构成要素 | 第32-33页 |
| ·遗传算法的实现步骤 | 第33-34页 |
| ·遗传算法的操作算子和参数设置 | 第34-37页 |
| ·遗传算法的改进 | 第37-39页 |
| ·IGA的实验分析 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于RBF神经网络的分类数据挖掘 | 第42-50页 |
| ·RBF神经网咯 | 第42-45页 |
| ·RBF神经网络结构 | 第42-44页 |
| ·RBF神经网络学习算法 | 第44-45页 |
| ·RBF神经网络分类器构造 | 第45-47页 |
| ·仿真实验与分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于遗传神经网络的数据挖掘的研究 | 第50-61页 |
| ·引言 | 第50页 |
| ·遗传神经网络概述 | 第50-51页 |
| ·IGA-RBF算法 | 第51-53页 |
| ·IGA-RBF的实现 | 第53-54页 |
| ·IGA-RBF神经网络的性能测试 | 第54-60页 |
| ·用IGA-RBF神经网络拟合曲线 | 第54-55页 |
| ·IGA-RBF在IRIS问题中的性能分析 | 第55-59页 |
| ·IGA-RBF在Breast Cancer问题中的性能分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·研究展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70页 |