数据仓库和数据挖掘在钢铁企业中的应用
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-18页 |
| ·数据挖掘技术简述 | 第9-14页 |
| ·数据挖掘技术的由来 | 第9-11页 |
| ·数据挖掘的定义 | 第11-12页 |
| ·数据挖掘的研究内容 | 第12-14页 |
| ·数据挖掘的流程 | 第14-18页 |
| ·数据挖掘的流程 | 第14-16页 |
| ·实施数据挖掘项目应考虑的问题 | 第16-17页 |
| ·热轧产品性能模型问题分析 | 第17-18页 |
| 第2章 热轧产品性能数据集市的构建 | 第18-32页 |
| ·数据仓库和数据集市 | 第18-23页 |
| ·数据仓库概述 | 第19-21页 |
| ·数据仓库的定义 | 第21-23页 |
| ·数据集市 | 第23页 |
| ·热轧产品性能数据集市的建立 | 第23-28页 |
| ·热轧产品数据的现状 | 第24-25页 |
| ·热轧产品数据集市的建立 | 第25页 |
| ·热轧数据集市的实现方法 | 第25-26页 |
| ·热轧数据集市的概念模型设计 | 第26页 |
| ·数据集市的逻辑模型的设计 | 第26-27页 |
| ·数据集市的数据结构 | 第27-28页 |
| ·数据预处理 | 第28-31页 |
| ·数据整理 | 第28-29页 |
| ·数据抽样 | 第29-30页 |
| ·热轧数据的ETL过程 | 第30-31页 |
| ·建模数据的筛选与归一化 | 第31-32页 |
| ·建模数据的筛选 | 第31页 |
| ·建模数据的归一化 | 第31-32页 |
| 第3章 模型算法原理 | 第32-38页 |
| ·BP神经网络 | 第32-36页 |
| ·人工神经网络概述 | 第32-34页 |
| ·BP神经网络模型 | 第34-36页 |
| ·其他人工神经网络模型 | 第36页 |
| ·线性回归模型 | 第36-37页 |
| ·线性回归概述 | 第36-37页 |
| ·多元线性回归模型 | 第37页 |
| ·主成分分析 | 第37页 |
| ·均值分析 | 第37-38页 |
| 第4章 热轧产品性能模型 | 第38-48页 |
| ·热轧产品性能模型的概述 | 第38页 |
| ·模型精度要求 | 第38页 |
| ·实验环境 | 第38页 |
| ·基于 BP神经网络的热轧产品性能模型 | 第38-45页 |
| ·变量描述 | 第38-39页 |
| ·参数确定的原则 | 第39-40页 |
| ·实验过程 | 第40-44页 |
| ·实验结果 | 第44-45页 |
| ·基于多元线性回归的热轧产品性能模型 | 第45-47页 |
| ·变量描述 | 第45页 |
| ·参数设置 | 第45-46页 |
| ·分析结果 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第5章 基于热轧产品性能模型的新产品新工艺设计 | 第48-58页 |
| ·新产品新工艺设计问题的提出 | 第48页 |
| ·新产品新工艺设计的基本思路 | 第48-49页 |
| ·热轧产品性能模型的均值分析 | 第49-50页 |
| ·参数设置 | 第49页 |
| ·均值分析结果 | 第49-50页 |
| ·热轧产品性能模型的相关性分析 | 第50-53页 |
| ·参数设置 | 第50页 |
| ·分析结果 | 第50-53页 |
| ·化学成分的综合指标评价 | 第53-57页 |
| ·部分综合评价指数数据集 | 第53-54页 |
| ·参数设置 | 第54页 |
| ·分析结果 | 第54-57页 |
| ·基于多元线性回归模型的对策建议 | 第57-58页 |
| 第6章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61页 |
