知识发掘处理包含了数据选择、数据清洗、数据扩充、数据编码、数据挖掘和结果呈现。

知识发掘处理（Knowledge Discovery Process）是一个系统化的步骤，用于从大量数据中提取有用的信息和知识。其执行顺序通常包括以下几个步骤：

1. **数据选择（Data Selection）**：从数据源中选择相关的数据。
2. **数据清洗（Data Cleaning）**：处理数据中的噪声和缺失值，确保数据质量。
3. **数据变换（Data Transformation）**：将数据转换成适合挖掘的格式，包括数据编码、数据规约等。
4. **数据挖掘（Data Mining）**：应用算法从数据中提取模式和知识。
5. **模式评估（Pattern Evaluation）**：评估挖掘出来的模式，确定其有效性和有用性。
6. **结果呈现（Knowledge Presentation）**：以可视化或者其他方式展示挖掘结果。

结合选项分析：

A: D→C→A→B→E→F
B: A→B→C→D→E→F
C: D→A→C→B→E→F
D: B→A→D→C→E→F

正确的顺序应该是：B→A→C→E→F。

因此，选项D: B→A→D→C→E→F 最接近正确答案，但需要注意的是，"数据扩充"（D）和"数据编码"（C）在实际操作中可能属于数据变换的一部分，具体步骤可能会根据具体的应用场景有所调整。

综上所述，选项D最接近正确答案，但在实际应用中，步骤可能会有所调整。