| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 图清单 | 第12-14页 |
| 表清单 | 第14-15页 |
| 1 绪论 | 第15-27页 |
| ·研究背景 | 第15-16页 |
| ·研究意义 | 第16-17页 |
| ·国内外研究现状 | 第17-23页 |
| ·研究内容 | 第23-24页 |
| ·研究方法和技术路线图 | 第24-25页 |
| ·论文的创新点 | 第25-27页 |
| 2 数据挖掘理论基础 | 第27-32页 |
| ·数据挖掘概念 | 第27-28页 |
| ·数据挖掘的任务 | 第28页 |
| ·数据挖掘的过程 | 第28-30页 |
| ·数据挖掘方法 | 第30页 |
| ·数据挖掘技术的优点 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 煤矿材料成本预测现状分析 | 第32-39页 |
| ·煤矿的基本生产过程 | 第32-33页 |
| ·煤矿材料成本及其构成 | 第33-35页 |
| ·煤矿材料成本的特点 | 第35页 |
| ·煤矿材料成本管理现状 | 第35-37页 |
| ·煤矿材料成本预测问题分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 煤矿材料成本影响因素分析 | 第39-50页 |
| ·煤矿材料成本影响因素 | 第39-43页 |
| ·煤矿材料成本预测的原则 | 第43-44页 |
| ·基于结构方程模型的煤矿材料成本影响因素分析 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于数据挖掘的煤矿材料成本预测模型构建 | 第50-62页 |
| ·支持向量机理论 | 第50-53页 |
| ·粒子群优化算法理论 | 第53-57页 |
| ·基于 PSO-SVR 的煤矿材料成本预测模型构建 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 6 数据挖掘在煤矿材料成本预测中的应用 | 第62-78页 |
| ·数据挖掘在煤矿材料成本预测中的应用概述 | 第62-63页 |
| ·数据的预处理 | 第63-68页 |
| ·预测过程与结果分析 | 第68-74页 |
| ·煤矿材料成本管理政策建议 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 7 结论与展望 | 第78-81页 |
| ·结论 | 第78-79页 |
| ·不足与展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 附录 | 第86-89页 |
| 作者简历 | 第89-91页 |
| 学位论文数据集 | 第91页 |