数据挖掘在铝电解槽槽况趋势控制中的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 引言 | 第10-15页 |
| ·概述 | 第10-11页 |
| ·课题背景和意义 | 第11页 |
| ·目前存在的问题 | 第11-13页 |
| ·有色企业信息化的现状 | 第11-12页 |
| ·铝电解控制系统中存在的问题 | 第12-13页 |
| ·本文所做的工作 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 2 数据挖掘技术 | 第15-27页 |
| ·数据挖掘概述 | 第15-16页 |
| ·数据挖掘的发展历史与现状 | 第15-16页 |
| ·数据挖掘语言 | 第16页 |
| ·数据挖掘模式和算法研究 | 第16-21页 |
| ·概念描述 | 第16页 |
| ·关联分析 | 第16-19页 |
| ·聚类分析 | 第19-20页 |
| ·分类与预测 | 第20页 |
| ·其他综合模式 | 第20-21页 |
| ·数据挖掘的应用和发展趋势 | 第21-27页 |
| ·数据挖掘软件的发展历史 | 第21-22页 |
| ·数据挖掘的步骤 | 第22-23页 |
| ·数据挖掘的应用领域 | 第23-24页 |
| ·数据挖掘面临的主要问题 | 第24-26页 |
| ·数据挖掘未来的发展趋势 | 第26-27页 |
| 3 所用数据挖掘模型的算法研究及改进 | 第27-48页 |
| ·关联模型 | 第27-32页 |
| ·引言 | 第27页 |
| ·关联规则的概念 | 第27-28页 |
| ·典型关联规则算法——Apriori算法 | 第28-29页 |
| ·改进的Apriori算法 | 第29-32页 |
| ·基于时间序列的相似子模式搜索模型 | 第32-35页 |
| ·引言 | 第32页 |
| ·时间序列的概念 | 第32页 |
| ·R.Agrawal的规范变换相似性搜索 | 第32-34页 |
| ·基于时间序列的相似子模式算法 | 第34-35页 |
| ·灰关联规则模型 | 第35-45页 |
| ·引言 | 第35-36页 |
| ·灰关联规则的概念 | 第36-40页 |
| ·改进的灰关联度计算 | 第40-44页 |
| ·灰关联规则挖掘算法 | 第44-45页 |
| ·研究的其他算法 | 第45-48页 |
| ·FP_growth算法 | 第45-46页 |
| ·决策树ID3算法 | 第46-48页 |
| 4 铝电解槽数据挖掘系统的设计与实现 | 第48-52页 |
| ·系统总体设计原则 | 第48页 |
| ·开发工具及开发语言 | 第48-49页 |
| ·系统总体设计 | 第49-50页 |
| ·数据挖掘的流程 | 第50-52页 |
| 5 铝电解槽数据挖掘系统的应用实例与结果分析 | 第52-72页 |
| ·数据预处理 | 第52-57页 |
| ·过滤 | 第52-53页 |
| ·替换 | 第53-54页 |
| ·插值 | 第54-56页 |
| ·人工设定空缺值 | 第56-57页 |
| ·寻找电解槽槽况发展规律 | 第57-61页 |
| ·槽况预测 | 第61-66页 |
| ·单槽槽况预测 | 第61-62页 |
| ·系列槽槽况预测 | 第62-66页 |
| ·确定影响电解槽槽况变化的主要控制参数 | 第66-69页 |
| ·电解槽槽况的趋势控制 | 第69-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 在学研究成果 | 第77-78页 |
| 致谢 | 第78页 |
