| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 设备故障诊断技术的研究现状 | 第10-12页 |
| 1.2.2 数据挖掘技术在设备故障诊断中的研究现状 | 第12-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 数据挖掘决策树算法改进的研究 | 第17-39页 |
| 2.1 基于决策树方法的故障诊断方法 | 第17-18页 |
| 2.2 决策树算法概述 | 第18-20页 |
| 2.3 基于VPRS的决策树算法改进的研究 | 第20-26页 |
| 2.3.1 VPRS理论 | 第21-22页 |
| 2.3.2 属性选择启发函数 | 第22-23页 |
| 2.3.3 基于VPRS的信息增益率 | 第23-24页 |
| 2.3.4 算法思想描述 | 第24-26页 |
| 2.3.5 算法复杂度分析 | 第26页 |
| 2.4 决策树生成实例与分析 | 第26-34页 |
| 2.4.1 基于RS理论构造决策树 | 第27-29页 |
| 2.4.2 基于VPRS理论构造决策树 | 第29-31页 |
| 2.4.3 基于信息熵理论构造决策树 | 第31-33页 |
| 2.4.4 算法的对比分析 | 第33-34页 |
| 2.5 算法实现与实验结果分析 | 第34-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第3章 基于粗糙集决策树的故障诊断模型的研究 | 第39-55页 |
| 3.1 诊断对象故障特征分析 | 第39-43页 |
| 3.1.1 诊断对象简介 | 第39-40页 |
| 3.1.2 常见故障特征分析 | 第40-43页 |
| 3.2 粗糙集决策树故障诊断模型 | 第43-50页 |
| 3.2.1 构建诊断决策表 | 第45页 |
| 3.2.2 连续属性离散化 | 第45-47页 |
| 3.2.3 属性约简 | 第47-49页 |
| 3.2.4 诊断规则提取 | 第49-50页 |
| 3.3 实例分析 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 港口设备故障诊断系统的设计与实现 | 第55-67页 |
| 4.1 系统体系结构设计 | 第55-57页 |
| 4.1.1 系统框架结构 | 第55-56页 |
| 4.1.2 系统流程图 | 第56-57页 |
| 4.2 系统数据库设计 | 第57-59页 |
| 4.3 系统功能模块设计 | 第59-63页 |
| 4.3.1 在线监测模块 | 第59-60页 |
| 4.3.2 规则挖掘模块 | 第60-62页 |
| 4.3.3 故障诊断模块 | 第62-63页 |
| 4.4 系统实现 | 第63-66页 |
| 4.4.1 故障规则设计 | 第63页 |
| 4.4.2 诊断系统的实现 | 第63-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的科研成果 | 第73页 |