| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 1 绪论 | 第10-24页 |
| ·检测技术在现代集成制造系统中的作用及意义 | 第10页 |
| ·智能化检测技术研究现状与发展趋势分析 | 第10-16页 |
| ·智能检测系统概述 | 第10-11页 |
| ·智能检测系统的特点 | 第11-12页 |
| ·智能检测技术的研究现状 | 第12-13页 |
| ·智能检测技术的发展趋势 | 第13-16页 |
| ·面向现代检测系统的数据挖掘技术 | 第16-21页 |
| ·数据挖掘技术 | 第16-17页 |
| ·面向检测系统的数据挖掘技术研究 | 第17-21页 |
| ·论文研究的背景及意义 | 第21-23页 |
| ·论文研究的背景 | 第21-22页 |
| ·研究意义 | 第22-23页 |
| ·本文的主要工作与结构安排 | 第23-24页 |
| 2 线加速度计测试数据库及数据发掘系统开发与应用实例 | 第24-46页 |
| ·线加速度计测试数据库及数据发掘系统方案设计 | 第24-26页 |
| ·项目的需求分析与总体目标 | 第24-25页 |
| ·系统的功能模型 | 第25-26页 |
| ·面向加速度计测试的多维数据库模式 | 第26-28页 |
| ·实时数据库的数据特征 | 第26-27页 |
| ·多维数据库模式 | 第27-28页 |
| ·线加速度计的主要测试试验及其性能指标计算 | 第28-33页 |
| ·主要测试试验 | 第28-29页 |
| ·加速度计的主要性能指标及其计算方法 | 第29-33页 |
| ·面向加速度计性能分析的数据挖掘技术 | 第33-36页 |
| ·数据分类技术应用 | 第33-35页 |
| ·聚类技术应用 | 第35-36页 |
| ·系统实施技术研究 | 第36-41页 |
| ·GPIB接口技术 | 第36-38页 |
| ·Matlab与外部程序接口技术 | 第38-41页 |
| ·系统测试与运行实例 | 第41-45页 |
| ·小结 | 第45-46页 |
| 3 面向数据挖掘服务的网络检测系统研究 | 第46-59页 |
| ·网络化测试技术研究 | 第46-48页 |
| ·网络测试系统的特点与意义 | 第46页 |
| ·网络测试系统模型 | 第46-48页 |
| ·网络测试系统构建 | 第48页 |
| ·面向服务的体系结构 | 第48-49页 |
| ·面向数据挖掘服务的网络测试系统 | 第49-54页 |
| ·基于实例的数据挖掘服务 | 第49-53页 |
| ·面向数据挖掘服务的网络测试系统体系结构 | 第53-54页 |
| ·线加速度计测试系统网络服务分系统 | 第54-58页 |
| ·系统设计 | 第54-56页 |
| ·系统实现与运行 | 第56-58页 |
| ·小结 | 第58-59页 |
| 4 测试数据的聚类分析技术 | 第59-81页 |
| ·有监督和无监督的模式识别 | 第59-61页 |
| ·模式识别的重要性 | 第59页 |
| ·有监督和无监督的模式识别 | 第59-60页 |
| ·聚类研究的意义 | 第60-61页 |
| ·主要聚类方法及其分类 | 第61-64页 |
| ·聚类分析的分类 | 第61-62页 |
| ·CLIQUE算法和 DBSCAN算法 | 第62-64页 |
| ·基于网格和密度的混合聚类算法 | 第64-72页 |
| ·基本思想 | 第64页 |
| ·网格算法与密度算法的等效规则 | 第64-66页 |
| ·算法描述 | 第66-69页 |
| ·算法性能分析 | 第69-71页 |
| ·结论 | 第71-72页 |
| ·多密度阈值的DBSCAN改进算法 | 第72-79页 |
| 4 4 1 DBSCAN算法的主要缺点 | 第72页 |
| ·已有的改进工作 | 第72-75页 |
| ·多密度阈值的DBSCAN改进算法的主要思想 | 第75页 |
| ·算法流程 | 第75-79页 |
| ·小结 | 第79-81页 |
| 5 基于时间序列挖掘的故障诊断技术 | 第81-100页 |
| ·引言 | 第81页 |
| ·数据挖掘在流程工业监测系统中的应用 | 第81-84页 |
| ·流程工业生产特点及面临的问题 | 第82页 |
| ·数据挖掘在流程工业诊断中的应用 | 第82-84页 |
| ·基于时序模式挖掘的故障诊断 | 第84-94页 |
| ·基于时序模式挖掘的故障诊断方法 | 第84页 |
| ·时序模式挖掘的基本概念及方法 | 第84-88页 |
| ·基于时序模式挖掘的故障诊断 | 第88-94页 |
| ·序列挖掘应用于TE过程的故障诊断验证实例 | 第94-99页 |
| ·TE过程流程 | 第94-95页 |
| ·监控变量与故障类型 | 第95-97页 |
| ·基于序列模式挖掘的故障诊断 | 第97-99页 |
| ·小结 | 第99-100页 |
| 6 基于时间序列相似性的在线故障预测 | 第100-111页 |
| ·趋势预测的时序挖掘应用 | 第100-101页 |
| ·时间序列相似性的查询 | 第101-103页 |
| ·相似查找描述 | 第101页 |
| ·时间序列相似性度量 | 第101-103页 |
| ·基于在线相似性查询的故障预测 | 第103-108页 |
| ·在线相似性查询 | 第103-104页 |
| ·增量式DFT算法 | 第104-106页 |
| ·特征系数提取 | 第106-107页 |
| ·在线故障预测 | 第107-108页 |
| ·基于在线相似性查询的TE过程故障预测验证实例 | 第108-110页 |
| ·小结 | 第110-111页 |
| 7 结论与展望 | 第111-114页 |
| ·研究工作总结 | 第111-112页 |
| ·工作展望 | 第112-114页 |
| 参考文献 | 第114-119页 |
| 攻读博士学位期间发表的论文 | 第119页 |
| 攻读博士学位期间参与的科研项目 | 第119-120页 |
| 致谢 | 第120-121页 |