铝电解槽焙烧启动数据挖掘的研究与开发
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 引言 | 第12-16页 |
| ·概述 | 第12-13页 |
| ·课题背景和意义 | 第13-14页 |
| ·本文所作的工作 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 2 数据仓库和数据挖掘的基本概念与理论 | 第16-38页 |
| ·数据仓库原理 | 第16-23页 |
| ·数据仓库的基本概念 | 第16-17页 |
| ·数据仓库的体系结构 | 第17-18页 |
| ·数据仓库中的数据组织结构 | 第18-19页 |
| ·数据仓库建设和开发的特点 | 第19-20页 |
| ·数据仓库的多维数据模型 | 第20页 |
| ·数据仓库的元数据 | 第20-21页 |
| ·数据的抽取、清洗、转换和装载 | 第21-22页 |
| ·多维分析及OLAP的概念 | 第22-23页 |
| ·数据挖掘技术 | 第23-38页 |
| ·数据挖掘的概念 | 第23-25页 |
| ·数据挖掘的任务和功能 | 第25-26页 |
| ·数据挖掘研究的主要算法模型 | 第26-32页 |
| ·数据挖掘的步骤 | 第32-33页 |
| ·数据挖掘的应用 | 第33-34页 |
| ·数据挖掘面临的主要问题 | 第34-36页 |
| ·数据挖掘的发展趋势 | 第36-38页 |
| 3 挖掘模型的研究及算法改进 | 第38-61页 |
| ·聚类模型 | 第38-42页 |
| ·k-means算法 | 第38-40页 |
| ·遗传算法 | 第40-41页 |
| ·单亲遗传k-eans聚类算法及其改进 | 第41-42页 |
| ·关联模型 | 第42-53页 |
| ·关联规则的基本概念 | 第43-44页 |
| ·关联规则的分类 | 第44页 |
| ·关联规则的挖掘步骤 | 第44-45页 |
| ·FP-Growth算法 | 第45-48页 |
| ·基于FP-Tree的多维数值型关联规则及其改进 | 第48-53页 |
| ·分类模型 | 第53-61页 |
| ·信息熵的概念 | 第53-55页 |
| ·决策树ID3算法 | 第55-58页 |
| ·数值型决策树ID3算法及其改进 | 第58-61页 |
| 4 铝电解槽数据仓库的设计和建设 | 第61-73页 |
| ·铝电解焙烧启动数据挖掘系统的体系结构 | 第61-62页 |
| ·数据仓库的建设步骤 | 第62页 |
| ·数据仓库的数据模型 | 第62-64页 |
| ·概念模型及主体分析 | 第62-63页 |
| ·多维模型 | 第63-64页 |
| ·数据粒度 | 第64页 |
| ·创建数据准备区 | 第64-65页 |
| ·数据准备区的必要性 | 第64-65页 |
| ·数据准备区的选择 | 第65页 |
| ·元数据的管理 | 第65-68页 |
| ·数据仓库结构描述元数据 | 第65页 |
| ·件 | 第65-66页 |
| ·数据源元数据 | 第66-67页 |
| ·数据映射元数据 | 第67-68页 |
| ·数据的ETL及其实现 | 第68-73页 |
| ·数据抽取 | 第68-69页 |
| ·数据清洗、转换 | 第69-71页 |
| ·数据装载 | 第71-73页 |
| 5 铝电解槽数据挖掘系统的设计与实现 | 第73-92页 |
| ·系统总体设计原则 | 第73页 |
| ·开发工具及开发语言 | 第73-74页 |
| ·系统总体设计 | 第74-75页 |
| ·数据挖掘的流程 | 第75-76页 |
| ·数据预处理 | 第76-79页 |
| ·算法挖掘处理的实现 | 第79-92页 |
| ·基于单亲遗传的k-means算法 | 第79-82页 |
| ·k-medoids算法 | 第82-84页 |
| ·数值型决策树ID3算法 | 第84-87页 |
| ·基于FP-tree的多维数值型关联规则 | 第87-92页 |
| 6 铝电解槽数据挖掘系统的应用实例与结果分析 | 第92-100页 |
| ·槽况聚类分析 | 第92-94页 |
| ·槽况分类分析 | 第94-96页 |
| ·电流效率的关联分析 | 第96-100页 |
| 结论 | 第100-102页 |
| 参考文献 | 第102-105页 |
| 在学研究成果 | 第105-106页 |
| 致谢 | 第106页 |
