| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 船舶能耗评价的研究现状 | 第11页 |
| 1.2.2 数据挖掘技术的发展及国内外研究现状 | 第11-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第2章 数据挖掘技术的相关理论 | 第15-21页 |
| 2.1 数据挖掘的基本概念与特征 | 第15页 |
| 2.2 数据挖掘的实现过程 | 第15-16页 |
| 2.3 数据挖掘的任务 | 第16-18页 |
| 2.3.1 分类 | 第16-17页 |
| 2.3.2 关联规则 | 第17页 |
| 2.3.3 聚类分析 | 第17-18页 |
| 2.3.4 孤立点分析 | 第18页 |
| 2.3.5 回归分析 | 第18页 |
| 2.4 数据挖掘技术的常用方法 | 第18-20页 |
| 2.4.1 决策树 | 第18-19页 |
| 2.4.2 神经网络 | 第19页 |
| 2.4.3 统计学习 | 第19页 |
| 2.4.4 模糊集 | 第19页 |
| 2.4.5 粗糙集 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 船舶能耗评估模型的建立 | 第21-34页 |
| 3.1 船舶燃油消耗和船舶能耗统计 | 第21-23页 |
| 3.1.1 运输船舶燃油消耗量 | 第21页 |
| 3.1.2 船舶能耗统计及分析 | 第21-23页 |
| 3.2 建立船舶能耗评价指标体系 | 第23-25页 |
| 3.3 基于粗糙集确定船舶能耗评估指标权重 | 第25-29页 |
| 3.3.1 粗糙集的基本概念 | 第25-26页 |
| 3.3.2 基于粗糙集的权重确定步骤 | 第26-27页 |
| 3.3.3 船舶能耗评估指标权重确定实例 | 第27-29页 |
| 3.4 基于灰色聚类方法的船舶能耗评估模型 | 第29-33页 |
| 3.4.1 灰色聚类方法 | 第29页 |
| 3.4.2 基于灰色聚类方法的能耗评估建模及实例 | 第29-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 船舶能耗知识库模型的建立 | 第34-43页 |
| 4.1 知识库与知识管理 | 第34-37页 |
| 4.1.1 知识库概述 | 第34-35页 |
| 4.1.2 知识库与数据库的联系与区别 | 第35页 |
| 4.1.3 基于本体的知识管理运作过程 | 第35-37页 |
| 4.2 船舶能耗知识库模型的实现 | 第37-42页 |
| 4.2.1 船舶能耗领域本体知识库建立的技术路线 | 第38-39页 |
| 4.2.2 船舶能耗数据库和知识库协调处理机制研究 | 第39-40页 |
| 4.2.3 船舶能耗知识库管理功能的设计 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第5章 基于数据挖掘技术的船舶能耗评估系统的开发 | 第43-52页 |
| 5.1 系统开发环境 | 第43-44页 |
| 5.2 系统总体框架 | 第44-45页 |
| 5.3 系统功能设计 | 第45-51页 |
| 5.3.1 数据库的设计 | 第45-47页 |
| 5.3.2 系统网站设计 | 第47-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录 | 第57-68页 |
| 在学期间科研成果情况 | 第68页 |