| 第一章 绪论 | 第1-14页 |
| ·研究背景 | 第8-10页 |
| ·研究相关领域综述 | 第10-13页 |
| ·人工智能发展综述 | 第10-11页 |
| ·神经网络发展综述 | 第11页 |
| ·数据挖掘发展综述 | 第11-13页 |
| ·作者所做工作及本文内容安排 | 第13-14页 |
| ·作者所做工作 | 第13页 |
| ·本文内容安排 | 第13-14页 |
| 第二章 数据挖掘中的分类方法 | 第14-22页 |
| ·数据挖掘过程与功能介绍 | 第14-16页 |
| ·数据挖掘过程 | 第14-15页 |
| ·数据挖掘功能 | 第15-16页 |
| ·分类的基本技术 | 第16-17页 |
| ·分类数据的预处理 | 第16-17页 |
| ·数据分类的过程 | 第17页 |
| ·几种典型的分类算法 | 第17-22页 |
| ·决策树 | 第18-19页 |
| ·贝叶斯 | 第19-20页 |
| ·神经网络 | 第20-22页 |
| 第三章 基于BP 神经网络的研究 | 第22-39页 |
| ·神经细胞以及人工神经元的组成 | 第22-23页 |
| ·人工神经网络的基本结构与模型 | 第23-28页 |
| ·人工神经元的模型 | 第23-24页 |
| ·激活函数 | 第24-26页 |
| ·单层神经元网络模型结构 | 第26-27页 |
| ·多层神经网络 | 第27-28页 |
| ·误差反向传播神经网络 | 第28-31页 |
| ·BP 神经网络 | 第28-29页 |
| ·构造BP 神经网络 | 第29-31页 |
| ·改进的反向传播算法 | 第31-39页 |
| ·算法介绍 | 第31-35页 |
| ·仿真实验及结果分析 | 第35-39页 |
| 第四章 BP 神经网络在数据挖掘中的应用 | 第39-55页 |
| ·BP 神经网络用于高维数据分类实验 | 第39-46页 |
| ·建立分类模型 | 第39-40页 |
| ·实验结果及相关代码 | 第40-46页 |
| ·基于BP 算法的科学数据分类实验 | 第46-48页 |
| ·有关科学数据介绍 | 第46-47页 |
| ·BP 算法在科学数据上的实验与结果 | 第47-48页 |
| ·BP 网络的LM 算法与进化策略相结合的神经网络分类模型 | 第48-55页 |
| ·CABEN 分类方法的设计思想 | 第49-50页 |
| ·CABEN 分类算法 | 第50-55页 |
| 第五章 科学数据挖掘系统的设计 | 第55-67页 |
| ·系统设计思想与系统框架 | 第55-57页 |
| ·科学数据挖掘模型介绍 | 第57-59页 |
| ·J2EE 平台实现 | 第59-62页 |
| ·J2EE 应用体系结构 | 第59-61页 |
| ·科学数据挖掘系统的多层应用模型 | 第61-62页 |
| ·系统的重点与难点 | 第62-67页 |
| ·网格数据的分布式特征提取 | 第62-64页 |
| ·海量数据动态存取 | 第64-65页 |
| ·神经网络的规则提取 | 第65页 |
| ·数据挖掘中的并行算法 | 第65-67页 |
| 第六章 总结 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-72页 |
| 个人简历及攻硕期间取得的成果 | 第72页 |