| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·问题的提出及研究意义 | 第9-10页 |
| ·数据挖掘的研究现状 | 第10-13页 |
| ·本文的研究思路 | 第13-14页 |
| ·论文内容 | 第14-16页 |
| 第二章 数据挖掘 | 第16-33页 |
| ·数据挖掘的过程、体系结构 | 第16-18页 |
| ·数据挖掘的过程 | 第16-17页 |
| ·数据挖掘系统的体系结构 | 第17-18页 |
| ·决策树 | 第18-22页 |
| ·决策树的结构 | 第18-19页 |
| ·决策树的构造 | 第19-20页 |
| ·决策树构造算法 | 第20-22页 |
| ·聚类 | 第22-27页 |
| ·聚类的特点 | 第23页 |
| ·聚类的方法 | 第23-27页 |
| ·神经网络 | 第27-33页 |
| ·BP 网络的结构 | 第27-29页 |
| ·BP 网络的学习过程 | 第29-32页 |
| ·BP 网络的限制与不足 | 第32页 |
| ·神经网络的训练 | 第32-33页 |
| 第三章 数据挖掘在高尔夫球场虫害预测的实现思路 | 第33-47页 |
| ·数据来源 | 第33页 |
| ·数据集建立 | 第33-35页 |
| ·样本数据有效性验证 | 第35-36页 |
| ·数据挖掘的 Analysis Service 实现架构 | 第36-47页 |
| ·Analysis Service 挖掘功能 | 第36-37页 |
| ·SSAS 数据挖掘实现框架 | 第37-38页 |
| ·SSAS 的决策树算法 | 第38-41页 |
| ·SSAS 的聚类分析算法 | 第41-43页 |
| ·SSSAS 的神神经网络算算法 | 第43-47页 |
| 第四章 数据挖掘在高尔夫球场虫害预测的具体实现 | 第47-66页 |
| ·业务预测模型 | 第47页 |
| ·数据准备 | 第47-49页 |
| ·数据挖掘的环境搭建 | 第49页 |
| ·数据挖掘建模 | 第49-52页 |
| ·创建虫害数据库仓库 | 第49-51页 |
| ·创建虫害预测挖掘结构 | 第51-52页 |
| ·各种算法的挖掘比较 | 第52-56页 |
| ·创建决策树、聚类和神经网络挖掘模型 | 第52-55页 |
| ·聚类与神经网络挖掘比较 | 第55-56页 |
| ·各种挖掘算法比较结果 | 第56页 |
| ·神经网络模型优化及数据有效性验证 | 第56-66页 |
| ·调整神经网络虫害发生挖掘模型 | 第56-59页 |
| ·模型输入列相关性分析 | 第59-62页 |
| ·特殊因素影响分析 | 第62-63页 |
| ·论证最差模型 | 第63-64页 |
| ·确定最佳模型 | 第64-65页 |
| ·补充数据有效性验证 | 第65-66页 |
| 第五章 结果验证 | 第66-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |