| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 热工过程监测与优化 | 第13-14页 |
| 1.3 数据挖掘概述 | 第14-17页 |
| 1.4 热工过程数据挖掘 | 第17-20页 |
| 1.5 本文主要研究内容 | 第20-21页 |
| 参考文献 | 第21-25页 |
| 第二章 热工过程数据预处理 | 第25-47页 |
| 2.1 数据预处理技术 | 第25-26页 |
| 2.2 数据特征提取 | 第26-30页 |
| 2.3 热工过程数据清洗 | 第30-34页 |
| 2.4 基于样本熵的热工数据稳定判断 | 第34-40页 |
| 2.5 热工过程数据ECNN压缩方法 | 第40-43页 |
| 2.6 本章小结 | 第43页 |
| 参考文献 | 第43-47页 |
| 第三章 热工过程数据离散化与属性约简 | 第47-69页 |
| 3.1 基于熵聚类的自适应离散化方法 | 第47-51页 |
| 3.2 D_RED增量属性约简算法 | 第51-56页 |
| 3.3 燃煤锅炉数据粗集属性约简 | 第56-67页 |
| 3.4 本章小结 | 第67页 |
| 参考文献 | 第67-69页 |
| 第四章 基于聚类挖掘的机组运行优化研究 | 第69-95页 |
| 4.1 类心个数确定方法 | 第69-70页 |
| 4.2 基于V_(new)评价指标的自适应Kmeans聚类算法 | 第70-77页 |
| 4.3 基于优化算法的自适应K-prototypes混合型聚类算法 | 第77-85页 |
| 4.4 锅炉运行目标工况库获取策略 | 第85-88页 |
| 4.5 锅炉系统目标工况库挖掘实例分析 | 第88-91页 |
| 4.6 本章小结 | 第91页 |
| 参考文献 | 第91-95页 |
| 第五章 基于增量聚类挖掘的热工过程实时监测 | 第95-117页 |
| 5.1 基于增量挖掘的机组运行监测 | 第95-96页 |
| 5.2 EKFCM增量聚类算法 | 第96-106页 |
| 5.3 增量聚类在机组性能监测中的应用实例 | 第106-114页 |
| 5.4 本章小结 | 第114页 |
| 参考文献 | 第114-117页 |
| 第六章 热工过程数据知识发现系统 | 第117-123页 |
| 6.1 系统原理 | 第117页 |
| 6.2 系统架构 | 第117-120页 |
| 6.3 系统功能 | 第120-121页 |
| 6.4 系统开发方案 | 第121-122页 |
| 6.5 本章小结 | 第122页 |
| 参考文献 | 第122-123页 |
| 第七章 结论与展望 | 第123-125页 |
| 7.1 本文主要工作与结论 | 第123页 |
| 7.2 本文后续研究展望 | 第123-125页 |
| 攻读博士学位期间发表或录用的论文 | 第125-126页 |
| 攻读博士学位期间参加的科研项目 | 第126-127页 |
| 致谢 | 第127页 |