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，KDP）是从大量数据中提取有价值信息和知识的过程。其执行顺序一般包括以下几个步骤：

1. **数据选择（Data Selection）**：从数据源中选择相关的数据子集。
2. **数据清洗（Data Cleaning）**：处理噪声数据和缺失值，保证数据质量。
3. **数据编码（Data Transformation）**：将数据转换为适合挖掘的形式。
4. **数据挖掘（Data Mining）**：应用数据挖掘算法，从数据中提取模式和知识。
5. **结果呈现（Result Presentation）**：将挖掘结果以易于理解的形式展现出来。

根据上述步骤，正确的执行顺序应为：

D: B→A→D→C→E→F

即：数据选择（B）→数据清洗（A）→数据扩充（D）→数据编码（C）→数据挖掘（E）→结果呈现（F）。

### 专业分析：

1. **数据选择（Data Selection）**：首先需要从数据源中选择出与分析目标相关的数据子集，这是整个流程的起点。
2. **数据清洗（Data Cleaning）**：选择出来的数据往往存在噪声和缺失值，这一步骤是为了提高数据质量，确保后续步骤的准确性。
3. **数据扩充（Data Integration）**：有时候需要将多个数据源的数据整合在一起，形成一个统一的数据集。
4. **数据编码（Data Transformation）**：将数据转换为适合挖掘的格式，例如归一化、离散化等。
5. **数据挖掘（Data Mining）**：应用各种算法和技术，从数据中提取有用的模式和知识。
6. **结果呈现（Result Presentation）**：最后，将挖掘出的知识和模式以图表、报告等形式呈现给用户，以便于理解和应用。

因此，选项 D: B→A→D→C→E→F 是正确的执行顺序。