摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第一章 绪论 | 第8-13页 |
1.1 课题研究背景和意义 | 第8页 |
1.2 国内外研究现状 | 第8-10页 |
1.3 课题的来源 | 第10-11页 |
1.4 论文结构及主要研究内容 | 第11-13页 |
第二章 通信机房动力环境监控系统介绍 | 第13-21页 |
2.1 动力环境监控系统的主要作用 | 第13-14页 |
2.2 动力环境监控系统的性能要求 | 第14页 |
2.3 动力环境监控系统的监控对象分析 | 第14-15页 |
2.4 通信机房动力环境监控系统功能的实现 | 第15-19页 |
2.4.1 通信机房的数据采集 | 第15页 |
2.4.2 通信机房的数据传输方式 | 第15-17页 |
2.4.3 通信机房的系统结构 | 第17-19页 |
2.5 动力环境监控系统对设备的监控 | 第19-20页 |
2.5.1 非智能设备的监控 | 第19页 |
2.5.2 智能设备的监控 | 第19-20页 |
2.6 本章小结 | 第20-21页 |
第三章 数据挖掘相关算法理论介绍 | 第21-37页 |
3.1 关联规则算法 | 第21-28页 |
3.1.1 关联算法Apriori的介绍 | 第21-22页 |
3.1.2 Apriori算法的基本原理 | 第22-23页 |
3.1.3 Apriori算法频繁项集的产生过程 | 第23-26页 |
3.1.4 Apriori算法规则的产生过程 | 第26-28页 |
3.2 分类算法 | 第28-36页 |
3.2.1 随机森林算法 | 第28-29页 |
3.2.2 随机森林算法的优点 | 第29页 |
3.2.3 随机森林算法的基本原理 | 第29-34页 |
3.2.4 随机森林算法的实现方法 | 第34-36页 |
3.3 本章小结 | 第36-37页 |
第四章 数据挖掘技术在动力环境监控中应用 | 第37-48页 |
4.1 Apriori算法在动力环境监控系统空调工状况数据的应用 | 第37-42页 |
4.1.1 空调机组工况数据 | 第37-39页 |
4.1.2 空调机组故障预测模型的设计 | 第39-40页 |
4.1.3 空调机组故障预测数据流的建模 | 第40-42页 |
4.2 随机森林算法在动力环境监控系统UPS监控数据的应用 | 第42-47页 |
4.2.1 动力环境监控系统中的UPS监控数据 | 第42-43页 |
4.2.2 随机森林算法在UPS监控数据上应用 | 第43-45页 |
4.2.3 随机森林算法对 UPS 监控数据的建模 | 第45-47页 |
4.3 本章小结 | 第47-48页 |
第五章 实验分析与总结 | 第48-70页 |
5.1 实验平台简介 | 第48页 |
5.2 数据在weka平台的导入 | 第48-49页 |
5.3 Apriori算法在动力环境监控系统空调工状况数据的实验 | 第49-57页 |
5.3.1 数据的预处理 | 第49-51页 |
5.3.2 可视化 | 第51页 |
5.3.3 数据的离散化 | 第51-53页 |
5.3.4 实验分析 | 第53-57页 |
5.4 随机森林算法在机房UPS中应用 | 第57-69页 |
5.4.1 分类器性能比较 | 第59页 |
5.4.2 数据挖掘实验分析 | 第59-69页 |
5.5 本章小结 | 第69-70页 |
总结 | 第70-72页 |
参考文献 | 第72-75页 |
致谢 | 第75-76页 |
在校期间主要研究成果 | 第76-77页 |
附录A APRIORI算法在JAVA上实现代码 | 第77-87页 |
附录B 随机森林算法在JAVA上代码实现 | 第87-91页 |