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）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）：处理缺失值、噪声数据等问题，确保数据质量。
3. 数据编码（Data Transformation/Encoding）：将数据转换为适合分析的格式。
4. 数据扩充（Data Enrichment）：通过外部数据源或其他方法增加数据的丰富性。
5. 数据挖掘（Data Mining）：应用算法和技术从数据中提取有价值的模式和知识。
6. 结果呈现（Result Presentation）：将挖掘到的知识和模式以可视化或其他形式展示出来。

根据上述步骤，正确的执行顺序应该是：
D: B→A→D→C→E→F

即：
1. 数据选择（B）
2. 数据清洗（A）
3. 数据扩充（D）
4. 数据编码（C）
5. 数据挖掘（E）
6. 结果呈现（F）

这样可以确保数据在进入数据挖掘阶段之前是高质量且丰富的，并且已经被转换为适合分析的格式。