| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-16页 |
| ·本课题的研究背景及意义 | 第9-10页 |
| ·本课题的研究动态 | 第10-14页 |
| ·数据挖掘技术的发展及研究现状 | 第10-11页 |
| ·设备故障诊断的发展及研究现状 | 第11-12页 |
| ·数据挖掘与故障诊断的结合 | 第12-14页 |
| ·本文主要研究内容与结构安排 | 第14-16页 |
| 第二章 数据挖掘的基本知识 | 第16-24页 |
| ·数据挖掘的概念 | 第16页 |
| ·数据挖掘的过程 | 第16-18页 |
| ·数据挖掘的任务 | 第18-19页 |
| ·数据挖掘的常用方法 | 第19-20页 |
| ·数据挖掘的分类 | 第20-21页 |
| ·数据挖掘与其他系统的比较 | 第21-24页 |
| ·数据挖掘与专家系统的比较 | 第21-23页 |
| ·数据挖掘和OLAP 的比较 | 第23-24页 |
| 第三章 基于决策树的故障诊断方法 | 第24-33页 |
| ·决策树的构造 | 第24页 |
| ·决策树的学习算法 | 第24-26页 |
| ·CLS 算法 | 第24-25页 |
| ·ID3 方法 | 第25-26页 |
| ·噪声与剪枝 | 第26-27页 |
| ·实例分析 | 第27-32页 |
| ·数据准备与预处理 | 第27-28页 |
| ·构造决策树 | 第28-31页 |
| ·结果评价 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于粗糙集理论的故障特征提取 | 第33-47页 |
| ·粗糙集理论简介 | 第33页 |
| ·粗糙集的基本概念 | 第33-37页 |
| ·粗糙集的化简 | 第37-40页 |
| ·属性的化简 | 第38页 |
| ·一致决策表的化简 | 第38-40页 |
| ·改进的粗糙集模型 | 第40-41页 |
| ·实例分析 | 第41-46页 |
| ·数据准备与预处理 | 第41-43页 |
| ·基于最大一致性因子的属性化简和特征提取[26 ] | 第43-45页 |
| ·结果评价和规则获取 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 关联规则挖掘在故障诊断中的应用 | 第47-53页 |
| ·关联规则的相关概念 | 第47-48页 |
| ·关联规则的分类 | 第48-49页 |
| ·单维布尔关联规则挖掘 | 第49-51页 |
| ·Apriori 性质 | 第49页 |
| ·Apriori 算法 | 第49-51页 |
| ·实例分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 在校期间发表的学术论文和参加科研情况 | 第59页 |