| 第一章 绪论 | 第1-12页 |
| §1-1 问题的提出（课题来源和研究背景） | 第7-8页 |
| §1-2 本文所涉及的研究领域及学科 | 第8-9页 |
| §1-3 国内外现状 | 第9-10页 |
| §1-4 本文的研究意义及构成 | 第10-12页 |
| 1-4-1 研究意义 | 第10-11页 |
| 1-4-2 本文构成 | 第11-12页 |
| 第二章 数据挖掘 | 第12-20页 |
| §2-1 数据挖掘的概述 | 第12-16页 |
| 2-1-1 什么是数据挖掘 | 第12-13页 |
| 2-1-2 在何种数据上进行数据挖掘 | 第13页 |
| 2-1-3 数据挖掘功能 | 第13-14页 |
| 2-1-4 数据挖掘常用技术 | 第14页 |
| 2-1-5 数据挖掘的实际意义 | 第14-15页 |
| 2-1-6 数据挖掘技术在实际当中的应用 | 第15-16页 |
| §2-2 序列和时序数据挖掘 | 第16-18页 |
| 2-2-1 序列和时序数据挖掘的定义 | 第16页 |
| 2-2-2 时序和序列数据挖掘技术的探讨 | 第16-18页 |
| §2-3 分类和预测 | 第18-20页 |
| 第三章 人工神经网络 | 第20-28页 |
| §3-1 人工神经网络的概述 | 第20-24页 |
| 3-1-1 人工神经元模型 | 第20-22页 |
| 3-1-2 神经网络结构及工作方式 | 第22-23页 |
| 3-1-3 BP学习算法 | 第23-24页 |
| §3-2 人工神经网络模式识别 | 第24-27页 |
| 3-2-1 模式识别概述 | 第25-26页 |
| 3-2-2 神经网络识别 | 第26-27页 |
| §3-3 高阶神经网络 | 第27-28页 |
| 3-3-1 高阶神经网络的概念 | 第27页 |
| 3-3-2 高阶神经网络的结构 | 第27-28页 |
| 第四章 时序模式发现算法研究 | 第28-37页 |
| §4-1 时序模式发现问题描述 | 第28-29页 |
| §4-2 算法的概述 | 第29-32页 |
| 4-2-1 基于斜率反正切的时序模式发现算法的基本思想 | 第30-31页 |
| 4-2-2 基于斜率反正切的时序模式发现算法的描述 | 第31-32页 |
| §4-3 基于斜率反正切的时序模式发现算法的实验结果 | 第32-34页 |
| §4-4 对实验结果分析 | 第34-37页 |
| 第五章 基于高阶神经网络的时序模式发现算法研究 | 第37-47页 |
| §5-1 基于高阶神经网络的时序模式发现问题的提出 | 第37-38页 |
| §5-2 基于高阶神经网络的时序模式发现算法的模型 | 第38页 |
| §5-3 基于高阶神经网络的时序模式发现算法的思想 | 第38-39页 |
| §5-4 基于高阶神经网络的时序模式发现算法的实现 | 第39-42页 |
| 5-4-1 具体实现 | 第39-42页 |
| §5-5 实验结果与分析 | 第42-46页 |
| §5-6 算法的创新 | 第46-47页 |
| 第六章 结论和展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读学位期间所取得的相关科研成果 | 第52页 |
