| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-20页 |
| ·航空发动机磨损故障诊断背景及意义 | 第12页 |
| ·航空发动机磨损故障诊断现状 | 第12-17页 |
| ·发动机磨损故障诊断的国内外研究现状 | 第13页 |
| ·发动机磨损故障诊断常用的手段 | 第13-17页 |
| ·发动机磨损故障诊断的发展趋势 | 第17页 |
| ·知识自动获取技术在发动机磨损故障诊断中的重要性 | 第17-18页 |
| ·本文主要研究内容 | 第18-20页 |
| 第2章 数据挖掘理论及知识获取方法研究 | 第20-25页 |
| ·数据挖掘中几种典型的知识获取方法 | 第20-22页 |
| ·国内外常用的数据挖掘工具及其特点介绍 | 第22-23页 |
| ·数据挖掘工具的评价标准 | 第23页 |
| ·数据挖掘的应用和发展趋势 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于决策树的发动机磨损故障知识自动获取 | 第25-41页 |
| ·决策树分类算法 | 第25-26页 |
| ·典型的决策树分类算法 | 第26-32页 |
| ·ID3 算法 | 第26-27页 |
| ·C4.5 算法 | 第27-28页 |
| ·CART 算法 | 第28-29页 |
| ·SLIQ 算法 | 第29-31页 |
| ·SPRINT 算法 | 第31-32页 |
| ·PUBIIC 算法 | 第32页 |
| ·决策树算法对比分析 | 第32-33页 |
| ·决策树剪枝算法 | 第33-36页 |
| ·预剪枝算法 | 第34页 |
| ·后剪枝算法 | 第34-36页 |
| ·决策树算法的评价 | 第36-37页 |
| ·基于C4.5 决策树算法的知识规则获取 | 第37-40页 |
| ·方法流程 | 第37页 |
| ·实例验证 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 Weka 平台下的发动机磨损故障知识规则自动获取 | 第41-54页 |
| ·WEKA 平台介绍 | 第41-47页 |
| ·各图形用户界面功能简介 | 第41-45页 |
| ·数据的获取及预处理 | 第45-46页 |
| ·WEKA 的结构 | 第46-47页 |
| ·WEKA 平台下发动机磨损故障知识规则自动获取 | 第47-53页 |
| ·生成决策树 | 第50-53页 |
| ·提取决策规则 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第5章 发动机磨损故障知识自动获取专家系统开发 | 第54-61页 |
| ·系统简介 | 第54-57页 |
| ·系统结构框图 | 第55-56页 |
| ·系统核心模块介绍 | 第56-57页 |
| ·系统关键技术介绍 | 第57-60页 |
| ·JDBC 与ODBC 桥接技术 | 第57-60页 |
| ·知识自动获取及推理流程 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第6章 结论与展望 | 第61-62页 |
| ·结论 | 第61页 |
| ·展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间所发表的论文 | 第67-68页 |
| 附表 1 IRIS(鸢尾花)数据 | 第68-73页 |
| 附表 2 某军用航空发动机油样分析元素浓度数据 | 第73-74页 |