| 第1章 绪论 | 第1-18页 |
| 1．1 引言 | 第11-12页 |
| 1．2 文献综述 | 第12-14页 |
| 1．2．1 数据挖掘技术的现状 | 第12页 |
| 1．2．2 数据挖掘技术的发展趋势 | 第12-13页 |
| 1．2．3 数据挖掘技术研究的现实意义 | 第13-14页 |
| 1．3 本文选题意义及主要工作内容 | 第14-18页 |
| 1．3．1 选题的意义及背景 | 第14-15页 |
| 1．3．2 本课题的可行性分析 | 第15-16页 |
| 1．3．3 本文的主要思路 | 第16-18页 |
| 第2章 数据挖掘的技术基础 | 第18-31页 |
| 2．1 引言 | 第18-19页 |
| 2．2 数据挖据概念 | 第19-20页 |
| 2．3 数据挖掘目标 | 第20-21页 |
| 2．4 数据挖掘方法 | 第21-24页 |
| 2．5 数据挖掘的实现 | 第24-31页 |
| 2．5．1 KDD的基本原理 | 第24-25页 |
| 2．5．Z KDD的基本过程 | 第25-27页 |
| 2．5．3 KDD的基本步骤 | 第27-31页 |
| 第3章 油液监控的技术基础 | 第31-37页 |
| 3．1 引言 | 第31页 |
| 3．2 常规理化分析 | 第31-32页 |
| 3．3 油料光谱分析 | 第32-33页 |
| 3．4 铁谱分析技术 | 第33-35页 |
| 3．5 颗粒计数分析 | 第35-37页 |
| 第4章 油液监控原始数据的初步挖掘 | 第37-45页 |
| 4．1 光谱分析原始数据的简单挖掘 | 第37-42页 |
| 4．1．1 光谱分析原始数据的趋势分析 | 第37-39页 |
| 4．1．2 光谱分析原始数据的梯度分析 | 第39-42页 |
| 4．2 铁谱分析原始数据的简单挖掘 | 第42-44页 |
| 4．2．1 铁谱分析原始数据的趋势分析 | 第42-43页 |
| 4．2．2 铁谱分析原始数据的梯度分析 | 第43-44页 |
| 4．3 小结 | 第44-45页 |
| 第5章 油液监控数据的灰色关联分析挖掘 | 第45-59页 |
| 5．1 引言 | 第45-48页 |
| 5．1．1 基本概念 | 第45-46页 |
| 5．1．Z A型关联度 | 第46页 |
| 5．1．3 灰色绝对关联度 | 第46-47页 |
| 5．1．4 B型关联度 | 第47-48页 |
| 5．2 油液监控数据的关联度分析 | 第48-52页 |
| 5．2．1 光谱分析元素浓度序列关联度计算 | 第48-50页 |
| 5．2．2 光谱元素浓度之间的关联度计算 | 第50-52页 |
| 5．3 监控数据的 SPSS的关联分析挖掘 | 第52-58页 |
| 5．3．1 光谱分析元素浓度的 SPSS描述性统计 | 第52-54页 |
| 5．3．2 光谱分析元素浓度之间的 SPSS相关分析 | 第54-58页 |
| 5．4 小结 | 第58-59页 |
| 第6章 油液监控数据的聚类分析挖掘 | 第59-75页 |
| 6．1 引言 | 第59-67页 |
| 6．1．1 灰色聚类 | 第59-60页 |
| 6．1．2 灰色定权聚类 | 第60-61页 |
| 6．1．3 磨粒的分类及其参数选择 | 第61-67页 |
| 6．2 铁谱分析的灰色聚类挖掘 | 第67-69页 |
| 6．2．1 铁谱磨粒的灰色定权聚类挖掘 | 第67-69页 |
| 6．2．2 铁谱磨粒的灰色聚类挖掘结果 | 第69页 |
| 6．3 光谱分析的 SPSS聚类挖掘 | 第69-74页 |
| 6．3．1 光潜分析的单元素SPSS聚类 | 第70-71页 |
| 6．3．2 光谱分析的多元素SPSS聚类 | 第71-74页 |
| 6．5 小结 | 第74-75页 |
| 第7章 结论和展望 | 第75-77页 |
| 7．1 结论 | 第75-76页 |
| 7．2 展望 | 第76-77页 |
| 攻读学位期间公开发表的论文 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 研究生履历 | 第83页 |