基于数据挖掘的港口生产数据分析系统设计
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 研究内容及组织结构 | 第13-15页 |
| 第2章 港口数据仓库设计 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 概念模型设计 | 第15-17页 |
| 2.2.1 确定港口生产业务分析模型的边界 | 第16页 |
| 2.2.2 确定港口生产数据的主题 | 第16-17页 |
| 2.3 逻辑模型设计 | 第17-20页 |
| 2.3.1 港口生产业务的分析 | 第17-18页 |
| 2.3.2 维度建模的具体设计 | 第18-20页 |
| 2.4 物理模型设计 | 第20-24页 |
| 2.4.1 数据的存储结构设计 | 第20-24页 |
| 2.4.2 划分粒度和数据分割 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 港口生产数据的聚类 | 第25-33页 |
| 3.1 引言 | 第25-26页 |
| 3.2 k-means聚类算法 | 第26页 |
| 3.3 港口生产数据的聚类分析 | 第26-32页 |
| 3.3.1 相关定义 | 第27-28页 |
| 3.3.2 港口生产数据预处理 | 第28-30页 |
| 3.3.3 港口生产数据聚类算法设计 | 第30-31页 |
| 3.3.4 异常生产数据 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 港口生产数据的关联规则分析 | 第33-40页 |
| 4.1 引言 | 第33-34页 |
| 4.2 Apriori关联规则分析算法 | 第34-35页 |
| 4.2.1 基本概念 | 第34-35页 |
| 4.2.2 Apriori算法过程 | 第35页 |
| 4.3 基于Apriori的港口生产数据分析 | 第35-38页 |
| 4.3.1 港口生产数据的关联规则分析过程 | 第37页 |
| 4.3.2 算法设计 | 第37-38页 |
| 4.4 本章小结 | 第38-40页 |
| 第5章 系统开发与实现 | 第40-47页 |
| 5.1 开发环境与配置 | 第40页 |
| 5.2 系统说明 | 第40-41页 |
| 5.3 系统截图 | 第41-46页 |
| 5.3.1 货运统计结果 | 第41-43页 |
| 5.3.2 知识挖掘显示结果 | 第43-46页 |
| 5.4 本章小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
