| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-7页 |
| 第一章 绪论 | 第7-19页 |
| §1.1 引言 | 第7-8页 |
| §1.2 数据挖掘的国内外发展状况 | 第8-11页 |
| §1.3 数据挖掘技术 | 第11-17页 |
| §1.3.1 数据挖掘基本概念 | 第11-12页 |
| §1.3.2 数据挖掘过程 | 第12-14页 |
| §1.3.3 数据挖掘的研究方法 | 第14-16页 |
| §1.3.4 数据挖掘模式的分类 | 第16-17页 |
| §1.4 本文的工作 | 第17-19页 |
| 第二章 WS9发动机试车数据库系统 | 第19-27页 |
| §2.1 WS9发动机计算机辅助测试(CAT)系统简介 | 第20-23页 |
| §2.2 WS9发动机试车工程数据库 | 第23-24页 |
| §2.3 WS9发动机试车工程数据库数据挖掘思想 | 第24-27页 |
| 第三章 粗糙集挖掘方法在WS9发动机试车数据库中的应用 | 第27-43页 |
| §3.1 粗糙集的基本原理 | 第27-29页 |
| §3.1.1 信息系统的定义 | 第27-28页 |
| §3.1.2 等价集的概念 | 第28页 |
| §3.1.3 等价集的上、下近似 | 第28-29页 |
| §3.2 属性约简 | 第29-33页 |
| §3.2.1 数据离散化 | 第29-31页 |
| §3.2.2 属性的重要度 | 第31页 |
| §3.2.3 约简与核 | 第31-32页 |
| §3.2.4 属性约简算法 | 第32-33页 |
| §3.3 决策规则的获取 | 第33-34页 |
| §3.3.1 获取规则的原则 | 第33页 |
| §3.3.2 规则的简化 | 第33-34页 |
| §3.4 粗糙集挖掘算法在WS9试车数据库中的应用分析 | 第34-42页 |
| §3.4.1 选取数据 | 第34-35页 |
| §3.4.2 属性值离散化 | 第35-38页 |
| §3.4.3 粗糙集挖掘 | 第38-42页 |
| §3.4.3.1 属性约简 | 第38-40页 |
| §3.4.3.2 属性值的化简 | 第40-42页 |
| §3.5 小结 | 第42-43页 |
| 第四章 决策树挖掘算法在WS9发动机试车数据库中的应用 | 第43-57页 |
| §4.1 决策树方法描述 | 第43-44页 |
| §4.2 决策树的构造方法 | 第44-45页 |
| §4.2.1 建树算法 | 第44-45页 |
| §4.2.2 决策树剪枝 | 第45页 |
| §4.3 ID3算法 | 第45-49页 |
| §4.4 C4.5算法 | 第49-50页 |
| §4.4.1 信息增益率 | 第49页 |
| §4.4.2 连续属性值的处理 | 第49-50页 |
| §4.5 决策树分析系统设计与实现 | 第50-56页 |
| §4.5.1 选取数据 | 第50页 |
| §4.5.2 属性约简 | 第50-52页 |
| §4.5.3 建立决策树的训练集 | 第52-55页 |
| §4.5.4 生成决策树 | 第55-56页 |
| §4.6 小结 | 第56-57页 |
| 第五章 预测方法及应用 | 第57-71页 |
| §5.1 基于回归模型的预测方法 | 第57-60页 |
| §5.1.1 具有线性结构的回归模型 | 第57-58页 |
| §5.1.2 最小二乘法拟合 | 第58-59页 |
| §5.1.3 曲线拟合 | 第59-60页 |
| §5.2 WS9发动机试车性能参数的回归分析 | 第60-70页 |
| §5.3 小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-74页 |
| §6.1 结论 | 第71-72页 |
| §6.2 建议与展望 | 第72-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
