| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-21页 |
| 1．1 数据挖掘发展概况 | 第11-12页 |
| 1．2 数据挖掘知识分类 | 第12-13页 |
| 1．3 粒度数据挖掘方法 | 第13-15页 |
| 1．4 粒度数据挖掘技术在流程工业中的应用 | 第15-19页 |
| 1．4．1 流程工业生产特点及面临的问题 | 第15-16页 |
| 1．4．2 粒度数据挖掘在流程工业诊断和优化中的应用 | 第16-19页 |
| 1．5 本文的研究内容 | 第19页 |
| 1．6 本文的组织结构 | 第19-21页 |
| 第二章 基于粒度熵的信息度量及最优属性约简 | 第21-35页 |
| 2．1 粗糙集理论 | 第21-24页 |
| 2．1．1 信息系统与决策表 | 第21-22页 |
| 2．1．2 近似空间 | 第22-23页 |
| 2．1．3 约简与核 | 第23页 |
| 2．1．4 知识获取 | 第23-24页 |
| 2．2 信息粒度与粗糙近似 | 第24-35页 |
| 2．2．1 不同粒度世界的关系 | 第24-25页 |
| 2．2．2 信息粒度的分层递阶结构 | 第25-27页 |
| 2．2．3 知识粗糙性的粒度计算 | 第27-30页 |
| 2．2．4 基于粒度熵的知识约简 | 第30-32页 |
| 2．2．5 实例研究 | 第32-35页 |
| 第三章 基于信息粒度矩阵算法的粗糙数据挖掘方法 | 第35-53页 |
| 3．1 模糊粒度关系及其运算性质 | 第35-36页 |
| 3．2 决策表的信息粒度矩阵表示 | 第36-38页 |
| 3．3 基于信息粒度矩阵算法的粗糙数据挖掘模型 | 第38-45页 |
| 3．3．1 属性粒度矩阵算法 | 第38-39页 |
| 3．3．2 粗糙近似 | 第39-40页 |
| 3．3．3 属性的重要度和核 | 第40-42页 |
| 3．3．4 决策表约简 | 第42-43页 |
| 3．3．5 实例分析 | 第43-45页 |
| 3．4 信息粒度压缩矩阵算法 | 第45-48页 |
| 3．5 增量式规则更新算法 | 第48-51页 |
| 3．6 小结 | 第51-53页 |
| 第四章 集成MSNLPCA-粗糙集方法的流程工业智能诊断 | 第53-76页 |
| 4．1 流程工业数据的预处理技术 | 第53-58页 |
| 4．1．1 小波变换的本质-多粒度分析 | 第53-54页 |
| 4．1．2 基于小波的在线信号滤波 | 第54-56页 |
| 4．1．3 基于流程参数正态分布的模糊信息的离散化模型 | 第56-58页 |
| 4．2 基于信息粒度矩阵算法的模糊规则挖掘 | 第58页 |
| 4．3 自适应多尺度非线性PCA挖掘方法 | 第58-63页 |
| 4．3．1 基于改进输入训练神经网络非线性PCA | 第59-60页 |
| 4．3．2 ITNN学习算法及其改进 | 第60-61页 |
| 4．3．3 改进ITNN方法的有效性 | 第61-63页 |
| 4．4 MS-NLPCA的理论框架 | 第63-67页 |
| 4．4．1 基于MS-NLPCA的过程监测 | 第65-66页 |
| 4．4．2 仿真实例研究 | 第66-67页 |
| 4．5 集成MSNLPCA-粗糙集方法的流程工业故障诊断模型 | 第67-69页 |
| 4．6 应用实例研究 | 第69-75页 |
| 4．7 小结 | 第75-76页 |
| 第五章 动态聚类算法在流程报警与操作优化中的应用 | 第76-90页 |
| 5．1 动态模糊聚类 | 第76-78页 |
| 5．1．1 模糊相似矩阵构造 | 第76-77页 |
| 5．1．2 基于等价关系的粒度聚类方法 | 第77页 |
| 5．1．3 基于主元分析的聚类个数确定 | 第77-78页 |
| 5．2 基于相关指数的变量等级排序 | 第78-79页 |
| 5．3 模糊聚类-分级算法在乙烯裂解炉报警优化中的应用 | 第79-84页 |
| 5．3．1 随机抽样 | 第79-80页 |
| 5．3．2 流程数据标准化 | 第80页 |
| 5．3．3 动态模糊聚类-变量等级排序 | 第80-81页 |
| 5．3．4 乙烯裂解炉系统报警的优化管理 | 第81-84页 |
| 5．4 动态核聚类算法在乙烯生产操作优化中的应用 | 第84-89页 |
| 5．4．1 核聚类算法 | 第85-86页 |
| 5．4．2 实例验证 | 第86-87页 |
| 5．4．3 乙烯裂解炉优化操作模式识别和油品选择 | 第87-89页 |
| 5．5 小结 | 第89-90页 |
| 第六章 基于数据挖掘的乙烯裂解炉诊断与优化系统开发 | 第90-98页 |
| 6．1 系统需求分析 | 第90-91页 |
| 6．2 系统结构和功能 | 第91-93页 |
| 6．3 系统详细设计与实现 | 第93-97页 |
| 6．4 小结 | 第97-98页 |
| 第七章 结论与展望 | 第98-100页 |
| 7．1 工作总结 | 第98-99页 |
| 7．2 工作展望 | 第99-100页 |
| 参考文献 | 第100-110页 |
| 致谢 | 第110-111页 |
| 攻博期间完成的论文和参加的科研项目 | 第111-112页 |
