基于数据挖掘的计算机辅助夹具设计
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·课题研究的目的和意义 | 第8-9页 |
| ·国内外计算机辅助夹具系统的研究现状 | 第9-11页 |
| ·数据挖掘技术 | 第11页 |
| ·本课题主要研究内容 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 CAFD 的研究内容及体系结构设计 | 第13-21页 |
| ·系统需求分析以及总体目标 | 第13-14页 |
| ·应用需求 | 第13页 |
| ·技术需求 | 第13页 |
| ·总体目标 | 第13-14页 |
| ·CAFD 系统的框架 | 第14-15页 |
| ·CAFD 系统的结构设计 | 第15-17页 |
| ·系统开发环境以及开发流程 | 第17-20页 |
| ·UG 以及 UG 二次开发的相关知识 | 第17-19页 |
| ·参数化设计及相关概念 | 第19-20页 |
| ·数据库技术介绍 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 数据挖掘技术的概述 | 第21-29页 |
| ·数据挖掘技术的研究现状 | 第21-22页 |
| ·数据挖掘的定义、出现条件以及特点 | 第22页 |
| ·数据挖掘基本过程 | 第22-24页 |
| ·数据挖掘常用的技术 | 第24-25页 |
| ·人工神经网络的介绍 | 第25-28页 |
| ·人工神经网络的发展历程 | 第25页 |
| ·神经元模型 | 第25-26页 |
| ·人工神经网络模型 | 第26-28页 |
| ·人工神经网络的学习方法 | 第28页 |
| ·小结 | 第28-29页 |
| 第四章 基于数据挖掘夹具实例库以及数据库建立 | 第29-49页 |
| ·夹具模板的构建的方法介绍 | 第29-33页 |
| ·夹具结构组成分析 | 第29-30页 |
| ·基于模板的零部件参数化设计方法 | 第30-31页 |
| ·模板的建立 | 第31-32页 |
| ·夹具实例库的创建 | 第32-33页 |
| ·数据库的创建 | 第33-35页 |
| ·基于规则和实例混合推理的计算机辅助夹具设计 | 第35-48页 |
| ·基于实例的推理技术 | 第35页 |
| ·基于规则的推理技术 | 第35-36页 |
| ·基于规则和实例的混合的推理技术 | 第36页 |
| ·基于规则和实例的夹具生成系统的流程 | 第36-37页 |
| ·实例特征分析 | 第37-38页 |
| ·实例表示方法 | 第38-41页 |
| ·实例检索法 | 第41-42页 |
| ·夹具实例整体相似度的计算 | 第42-44页 |
| ·夹具实例的修改 | 第44页 |
| ·夹具实例信息的数据库保存 | 第44-45页 |
| ·程序实例 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于基于数据挖掘的夹具复用及再设计 | 第49-61页 |
| ·人工神经网络的应用 | 第49页 |
| ·BP 算法 | 第49-51页 |
| ·神经网络组织结构确定 | 第51-54页 |
| ·训练集数据的准备与处理 | 第52页 |
| ·网络权值的选择 | 第52-53页 |
| ·网络隐含层设计 | 第53页 |
| ·网络训练 | 第53-54页 |
| ·神经网络在夹具自动生成中的利用 | 第54-56页 |
| ·输入层神经元的确定 | 第54页 |
| ·输出层和隐含层的神经元的确定 | 第54-55页 |
| ·神经网络激励函数的选择和初始权值的确定 | 第55页 |
| ·系统算法的实现 | 第55-56页 |
| ·程序实现 | 第56-60页 |
| ·小结 | 第60-61页 |
| 第6章 结论与展望 | 第61-63页 |
| ·研究工作总结 | 第61页 |
| ·工作总结 | 第61页 |
| ·主要创新点 | 第61页 |
| ·后续工作 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第67页 |
