摘要 | 第2-4页 |
ABSTRACT | 第4-5页 |
目录 | 第7-10页 |
第一章 绪论 | 第10-26页 |
1.1 引言 | 第10-11页 |
1.2 数据挖掘概述 | 第11-19页 |
1.2.1 数据挖掘的概念 | 第11-12页 |
1.2.2 数据挖掘的功能 | 第12-13页 |
1.2.3 数据挖掘的技术 | 第13-19页 |
1.3 复杂大生产数据挖掘的特点与难点 | 第19-21页 |
1.3.1 复杂大生产数据挖掘的特点 | 第19-20页 |
1.3.2 复杂大生产数据挖掘的难点 | 第20-21页 |
1.4 因果推断 | 第21-23页 |
1.4.1 因果与相关 | 第21-22页 |
1.4.2 因果推断及因果网络 | 第22-23页 |
1.5 复杂大生产数据挖掘中的虚假现象 | 第23-24页 |
1.6 本文的研究目的及主要内容结构 | 第24-26页 |
第二章 数据特征引起的复杂大生产数据挖掘问题 | 第26-50页 |
2.1 引言 | 第26-27页 |
2.2 自变量的数据特征引起的工业数据挖掘问题 | 第27-41页 |
2.2.1 自变量数据特征引起的最小二乘法参数估计有偏 | 第27-28页 |
2.2.2 模型预测均值与生产数据均值的不等现象 | 第28-37页 |
2.2.3 线性关系的判断与相关系数的关系 | 第37-41页 |
2.3 因变量的数据特征引起的工业数据挖掘问题 | 第41-48页 |
2.3.1 因变量数据特征引起的最小二乘法参数估计有偏 | 第42-46页 |
2.3.2 线性关系的最佳估计 | 第46-48页 |
2.4 本章小结 | 第48-50页 |
第三章 基于最小二乘法的多元线性模型系数校正 | 第50-71页 |
3.1 引言 | 第50页 |
3.2 带检测误差的线性模型概述 | 第50-52页 |
3.2.1 带检测误差的线性模型的研究难点 | 第52页 |
3.3 带检测误差的二元线性模型各变量的数字特征 | 第52-54页 |
3.3.1 带检测误差的自变量期望与方差 | 第52-53页 |
3.3.2 测量误差方差 | 第53页 |
3.3.3 自变量相关系数 | 第53-54页 |
3.4 基于最小二乘法的二元线性模型有偏估计校正 | 第54-70页 |
3.4.1 二元最小二乘法有偏估计校正 | 第54-57页 |
3.4.2 估计校正值的抗干扰性分析 | 第57-69页 |
3.4.3 样本容量对系数校正效果的影响 | 第69-70页 |
3.5 本章小结 | 第70-71页 |
第四章 多元线性模型系数校正效果仿真及结果分析 | 第71-85页 |
4.1 引言 | 第71页 |
4.2 仿真实验概要 | 第71-74页 |
4.2.1 仿真模型及评判标准设定 | 第71-72页 |
4.2.2 仿真实验的主要组成部分 | 第72-73页 |
4.2.3 仿真实验数据流分析 | 第73页 |
4.2.4 仿真平台简介 | 第73-74页 |
4.3 仿真实验 | 第74-84页 |
4.3.1 (ρ|^)′对系数校正结果的影响仿真 | 第74-76页 |
4.3.2 r_1″对系数校正结果的影响仿真 | 第76-77页 |
4.3.3 r_2″对系数校正结果的影响仿真 | 第77-79页 |
4.3.4 系数校正能力仿真 | 第79-84页 |
4.4 仿真实验结果总结 | 第84页 |
4.5 本章小结 | 第84-85页 |
第五章 基于SAS 系统的数据挖掘应用 | 第85-103页 |
5.1 引言 | 第85页 |
5.2 SAS 系统应用平台介绍 | 第85-86页 |
5.3 SAS 系统应用设计概要 | 第86-90页 |
5.3.1 设计构思和系统结构 | 第86-90页 |
5.3.2 基于SAS 系统的数据挖掘应用设计特点 | 第90页 |
5.4 应用设计步骤 | 第90-100页 |
5.4.1 后台程序设计 | 第90-93页 |
5.4.2 应用界面设计 | 第93-96页 |
5.4.3 后台程序与界面接口程序设计 | 第96-100页 |
5.5 SAS 应用实例 | 第100-101页 |
5.6 本章小结 | 第101-103页 |
第六章 总结与展望 | 第103-105页 |
参考文献 | 第105-110页 |
附录一 图表目录 | 第110-112页 |
攻读硕士学位期间发表的学术论文目录 | 第112-113页 |
攻读硕士学位期间参与的实际项目工作 | 第113-114页 |
致谢 | 第114-117页 |