| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 本文的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 关联规则分析的国内外研究现状 | 第12-14页 |
| 1.2.2 电机质量控制的国内外研究现状 | 第14-16页 |
| 1.3 本文的主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 电机质量大数据管控系统概述 | 第18-27页 |
| 2.1 数据来源与采集系统 | 第18-21页 |
| 2.2 数据预处理方法 | 第21-22页 |
| 2.2.1 数据清洗 | 第21页 |
| 2.2.2 数据变换 | 第21-22页 |
| 2.3 数据特征分析与检验方法 | 第22-26页 |
| 2.3.1 检测数据特征分析 | 第22-23页 |
| 2.3.2 独立性与正态性态检验方法 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于刀切贝叶斯参数估计的关联分析算法 | 第27-52页 |
| 3.1 基于随机变量分布特征的刀切贝叶斯参数估计方法 | 第27-39页 |
| 3.1.1 基于极大似然法估计总体分布方差 | 第28-29页 |
| 3.1.2 刀切贝叶斯参数估计方法 | 第29-33页 |
| 3.1.3 刀切贝叶斯估计方法在非理想条件下的误差分析 | 第33-39页 |
| 3.2 基于刀切贝叶斯估计的关联分析算法 | 第39-42页 |
| 3.2.1 Apriori关联规则算法概述 | 第39-40页 |
| 3.2.2 基于随机变量分布的刀切贝叶斯估计关联分析算法 | 第40-42页 |
| 3.3 基于刀切贝叶斯估计的关联分析算法与经典算法的比较 | 第42-51页 |
| 3.3.1 基于随机变量分布的刀切贝叶斯估计关联分析算法实现 | 第43-46页 |
| 3.3.2 基于布尔数据的经典Apriori算法实现 | 第46-48页 |
| 3.3.3 改进算法与经典算法结果比较分析 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于刀切贝叶斯估计的关联分析增量更新算法 | 第52-60页 |
| 4.1 基于刀切贝叶斯估计的参数更新方法 | 第52-57页 |
| 4.2 基于刀切贝叶斯估计的关联分析增量更新算法 | 第57页 |
| 4.3 关联分析增量更新算法与改进算法、经典算法比较 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 基于电机质量数据的算法实现与结果比较分析 | 第60-71页 |
| 5.1 电机制造的主要工序和关键指标 | 第60-62页 |
| 5.1.1 主要工序 | 第60-61页 |
| 5.1.2 确立关键指标 | 第61-62页 |
| 5.2 电机质量数据处理与特征分析检验 | 第62-64页 |
| 5.3 基于批量检测数据的电机质量关联因素分析与论证 | 第64-69页 |
| 5.3.1 基于电机质量数据的关联分析增量更新算法系统实现 | 第64-68页 |
| 5.3.2 与传统的电机质量分析方法比较和论证 | 第68-69页 |
| 5.4 本章小结 | 第69-71页 |
| 结论与展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第77页 |
