数据挖掘在轴承故障诊断中的应用
| 第1章 绪论 | 第1-15页 |
| 1．1 课题的提出 | 第10页 |
| 1．2 轴承故障诊断发展现状 | 第10-11页 |
| 1．3 数据挖掘概论 | 第11-13页 |
| 1．4 本文要研究的内容及所做的工作 | 第13-15页 |
| 第2章 轴承故障诊断方法概述 | 第15-31页 |
| 2．1 时域分析方法 | 第16-20页 |
| 2．1．1 方法概述 | 第16-17页 |
| 2．1．2 实例分析 | 第17-20页 |
| 2．2 频域分析方法 | 第20-31页 |
| 2．2．1 轴承故障诊断原理 | 第20-22页 |
| 2．2．2 方法概述 | 第22-23页 |
| 2．2．3 实例分析 | 第23-31页 |
| 第3章 数据挖掘技术 | 第31-38页 |
| 3．1 什么是数据挖掘 | 第31-32页 |
| 3．2 数据挖掘的处理过程 | 第32-34页 |
| 3．3 数据挖掘功能 | 第34-36页 |
| 3．4 数据挖掘常用方法 | 第36-38页 |
| 3．4．1 决策树 | 第36-37页 |
| 3．4．2 关联规则发现的方法 | 第37-38页 |
| 第4章 基于决策树方法的数据挖掘 | 第38-50页 |
| 4．1 数据分类 | 第38-39页 |
| 4．2 决策树方法 | 第39-44页 |
| 4．2．1 决策树算法 | 第39-42页 |
| 4．2．2 树剪枝 | 第42-43页 |
| 4．2．3 由决策树提取分类规则 | 第43页 |
| 4．2．4 决策树分类能力及缺陷 | 第43-44页 |
| 4．3 决策树方法在轴承故障诊断中的应用 | 第44-48页 |
| 4．3．1 时域下样本对生成决策树 | 第44-46页 |
| 4．3．2 频域下样本对生成决策树 | 第46-48页 |
| 4．4 小结 | 第48-50页 |
| 第5章 基于关联规则的数据挖掘 | 第50-60页 |
| 5．1 关联规则简述 | 第50-52页 |
| 5．1．1 基本概念 | 第50-52页 |
| 5．2 关联规则算法 | 第52-56页 |
| 5．2．1 Apriori算法 | 第52-54页 |
| 5．2．2 由频繁项集产生关联规则 | 第54-55页 |
| 5．2．3 多值关联规则的挖掘 | 第55-56页 |
| 5．3 关联规则方法在轴承故障诊断中的应用 | 第56-59页 |
| 5．3．1 时域下故障样本对产生关联规则 | 第56-57页 |
| 5．3．2 频域下故障样本对产生关联规则 | 第57-59页 |
| 5．4 小结 | 第59-60页 |
| 第6章 轴承寿命的预测 | 第60-66页 |
| 6．1 回归分析 | 第60-61页 |
| 6．2 实例分析 | 第61-66页 |
| 第7章 结论与展望 | 第66-68页 |
| 攻读学位期间公开发表的论文 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 研究生履历 | 第73页 |
