| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景及其研究意义 | 第9-10页 |
| 1.2 国内外研究现状和发展趋势 | 第10-13页 |
| 1.2.1 国内外的研究现状 | 第10-12页 |
| 1.2.2 特色食品生产监测数据管理的发展趋势 | 第12-13页 |
| 1.3 论文主要内容及创新点 | 第13-14页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 主要创新点 | 第13-14页 |
| 1.4 论文基本结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 生产管理中不确定数据处理的相关知识 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 特色食品生产管理中数据来源分类 | 第16-17页 |
| 2.2.1 原材料供应环节的数据 | 第16页 |
| 2.2.2 加工生产环节的数据 | 第16-17页 |
| 2.2.3 仓储流通环节的数据 | 第17页 |
| 2.3 特色食品生产管理数据不确定性来源分类 | 第17-19页 |
| 2.4 数据不确定性管理的主要技术 | 第19-23页 |
| 2.4.1 不确定数据处理框架 | 第19页 |
| 2.4.2 不确定数据模型 | 第19-22页 |
| 2.4.3 不确定数据处理的方法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 生产管理中不确定数据异常点检测研究 | 第24-34页 |
| 3.1 引言 | 第24-25页 |
| 3.2 问题相关描述 | 第25-26页 |
| 3.3 UIDSWK异常检测方法 | 第26-28页 |
| 3.3.1 不确定数据流 | 第26页 |
| 3.3.2 基于区间数位置关系和滑动窗口的剪枝方法 | 第26-27页 |
| 3.3.3 基于K-近邻的异常检测方法及其优化 | 第27页 |
| 3.3.4 算法描述 | 第27-28页 |
| 3.4 实验结果分析 | 第28-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 生产管理中不确定数据最大频繁项挖掘研究 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 问题相关描述 | 第34-36页 |
| 4.3 最大频繁项集的挖掘方法 | 第36-39页 |
| 4.3.1 基于有序频繁模式树高支持度项集的挖掘 | 第36-38页 |
| 4.3.2 基于遗传算法的最大的频繁项挖掘方法 | 第38-39页 |
| 4.4 算法步骤及分析 | 第39-40页 |
| 4.5 实验结果与分析 | 第40-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 特色食品生产管理中数据不确定性管理应用 | 第44-57页 |
| 5.1 引言 | 第44页 |
| 5.2 生产车间监测与控制介绍 | 第44-48页 |
| 5.2.1 老干妈生产监测系统简介 | 第44-47页 |
| 5.2.2 生产车间环境无线传感器采集网络介绍 | 第47-48页 |
| 5.3 生产过程中环境监测平台的数据不确定性问题描述 | 第48-50页 |
| 5.3.1 采集数据的可靠性分析 | 第48-49页 |
| 5.3.2 感知数据的不确定性 | 第49-50页 |
| 5.4 生产过程中数据异常检测模块设计 | 第50-52页 |
| 5.5 生产过程中数据频繁项挖掘模块设计 | 第52-54页 |
| 5.6 生产环境监测控制系统不确定数据查询 | 第54-55页 |
| 5.7 查询实例分析 | 第55-56页 |
| 5.8 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64-65页 |