| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 一 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·论文研究的意义和所做工作 | 第9-11页 |
| 二 数据挖掘和数据挖掘系统 | 第11-21页 |
| ·数据挖掘 | 第11-16页 |
| ·数据挖掘的功能 | 第12-14页 |
| ·数据挖掘过程 | 第14-15页 |
| ·数据挖掘分类 | 第15-16页 |
| ·数据挖掘系统 | 第16-21页 |
| ·数据挖掘系统的应用 | 第17-18页 |
| ·数据挖掘研究和应用面临的挑战 | 第18-21页 |
| 三 人工神经网络 | 第21-32页 |
| ·神经网络技术简介 | 第21-22页 |
| ·人工神经网络的基本原理 | 第22-25页 |
| ·神经网络反向传播算法（BP算法） | 第25-27页 |
| ·典型神经网络 | 第27-29页 |
| ·神经网络应用于数据挖掘的发展状况 | 第29-30页 |
| ·数据挖掘的分类和预测模式 | 第30-32页 |
| 四 采用粒子群算法优化 BP 网络 | 第32-52页 |
| ·微粒群算法原理 | 第32-33页 |
| ·基本粒子群优化算法的社会行为分析 | 第33页 |
| ·粒子群优化算法的局限性 | 第33-34页 |
| ·带有惯性因子(inertia weight)的改进微粒群算法 | 第34页 |
| ·粒子群优化算法的应用 | 第34-35页 |
| ·进化计算在的神经网络优化中的应用 | 第35-37页 |
| ·采用PSO优化神经网络 | 第37-43页 |
| ·改进的算法——DCW（Dynamically Changing Weight）算法 | 第43-45页 |
| ·模拟试验和结果分析 | 第45-49页 |
| ·进化速度因子和聚集度因子的确定 | 第45-46页 |
| ·模拟试验和结果分析 | 第46-49页 |
| ·药品预测仿真系统 | 第49-50页 |
| ·小结 | 第50-52页 |
| 五 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 在读期间发表论文清单 | 第57-58页 |
| 致谢 | 第58-59页 |