| 第一章 绪论 | 第1-19页 |
| ·研究背景及意义 | 第10-11页 |
| ·数据挖掘的研究现状和发展趋势 | 第11-14页 |
| ·目前存在的问题 | 第14-16页 |
| ·本文的工作与主要内容 | 第16-19页 |
| 第二章 数据挖掘的基本原理 | 第19-35页 |
| ·数据挖掘的功能 | 第20-22页 |
| ·数据挖掘方法简介 | 第22-32页 |
| ·聚类分析方法 | 第22-24页 |
| ·统计分析方法 | 第24-29页 |
| ·神经网络方法 | 第29-32页 |
| ·智能融合数据挖掘方法 | 第32-34页 |
| ·小结 | 第34-35页 |
| 第三章 基于动态数据窗口的聚类分析方法 | 第35-54页 |
| ·基于密度的聚类分析算法 | 第35-36页 |
| ·复合聚类分析算法 | 第36-39页 |
| ·基于动态数据窗口的自组织竞争神经网络的聚类算法 | 第39-45页 |
| ·问题的提出 | 第39页 |
| ·动态数据窗口(Dynamic Data Windows，DDW) | 第39-40页 |
| ·数据窗口重叠移动 | 第40-41页 |
| ·自组织竞争网络选取凝聚点 | 第41-45页 |
| ·基于动态数据窗口的融合聚类分析方法 | 第45-51页 |
| ·问题的提出 | 第45页 |
| ·基于动态数据窗口的融合聚类分析方法描述 | 第45-46页 |
| ·选取密度点 | 第46-47页 |
| ·计算最大凝聚点 | 第47-51页 |
| ·基于动态数据窗口的聚类分析方法的应用 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第四章 相对主元分析方法 | 第54-77页 |
| ·主元分析方法 | 第54-57页 |
| ·主元分析的代数表示 | 第55-56页 |
| ·主元分析的几何意义 | 第56-57页 |
| ·基于主元分析的PCA模型 | 第57-59页 |
| ·相对主元分析方法 | 第59-67页 |
| ·相对化变换 | 第60-62页 |
| ·相对主元的计算 | 第62-64页 |
| ·相对主元分析的几何解释 | 第64-67页 |
| ·RPCA方法在数据压缩中的应用 | 第67-70页 |
| ·RPCA方法在故障检测中的应用 | 第70-76页 |
| ·小结 | 第76-77页 |
| 第五章 PDRNN多维预测模型 | 第77-99页 |
| ·基于ANN的时序预测模型 | 第77-84页 |
| ·基于ANN的预测模型的基本结构与数学描述 | 第78-79页 |
| ·基于反馈神经网络的预测模型 | 第79-80页 |
| ·DRNN网络结构 | 第80-84页 |
| ·基于并行递归神经网络的多维预测模型(PDRNN) | 第84-95页 |
| ·问题的提出 | 第84-85页 |
| ·基于PDRNN网络的预测模型结构 | 第85页 |
| ·基于PDRNN模型的数学描述 | 第85-87页 |
| ·基于PDRNN模型的并行学习算法 | 第87-89页 |
| ·基于PDRNN模型的学习流程 | 第89-91页 |
| ·输入调正法 | 第91页 |
| ·基于PDRNN的多维预测仿真试验 | 第91-95页 |
| ·PDRNN网络在趋势分析中的应用 | 第95-98页 |
| ·小结 | 第98-99页 |
| 第六章 智能融合数据挖掘方法在船舶机舱监控中的应用 | 第99-114页 |
| ·智能监控系统的构造 | 第99-101页 |
| ·传统的监控系统的结构 | 第99-100页 |
| ·智能监控系统的结构 | 第100-101页 |
| ·船舶机舱监控系统简介 | 第101-102页 |
| ·基于智能融合数据挖掘方法的在船舶机舱监控系统中的应用 | 第102-112页 |
| ·小结 | 第112-114页 |
| 第七章 结论和展望 | 第114-116页 |
| 致谢 | 第116-117页 |
| 参考文献 | 第117-128页 |
| 攻读博士学位期间公开发表(录用)的论文 | 第128-129页 |
| 攻读博士学位期间参与完成的主要科研项目 | 第129-130页 |
| 附录 1:检验RPCA的数据 | 第130-132页 |
| 附录 2:船舶机舱监测参数与传感器选型 | 第132-134页 |
| 附录 3:预测误差 | 第134-138页 |
| 附录 4:柴油机仿真参数说明 | 第138-139页 |
| 附录 5:故障型式—缸盖冷却不足 | 第139-144页 |
| 附录 6:故障型式—排气阀堵塞 | 第144-149页 |
| 附录 7:故障型式—机械磨损过大 | 第149-154页 |
| 附录 8:论文EI、ISTP检索证明 | 第154-157页 |
