摘要 | 第1-5页 |
ABSTRACT | 第5-6页 |
目录 | 第6-9页 |
图表目录 | 第9-11页 |
第一章 绪论 | 第11-24页 |
·引言 | 第11页 |
·数据挖掘概述 | 第11-16页 |
·数据挖掘的定义 | 第11-12页 |
·数据挖掘的种类 | 第12-13页 |
·数据挖掘的方法 | 第13-14页 |
·数据挖掘与统计分析的关系 | 第14-15页 |
·国内外研究和应用现状 | 第15-16页 |
·工业数据挖掘步骤与应用 | 第16-20页 |
·数据挖掘存在的问题 | 第18页 |
·工业过程数学模型数据挖掘 | 第18-19页 |
·最小二乘法的贡献 | 第19-20页 |
·工业数据挖掘中有偏估计问题 | 第20-23页 |
·随机误差的早期研究 | 第21页 |
·线性回归模型参数的无偏估计 | 第21-22页 |
·线性回归模型参数的有偏估计 | 第22-23页 |
·工业数据挖掘中参数估计有偏性 | 第23页 |
·论文的主要结构与内容 | 第23-24页 |
第二章 工业数据检测与检测误差 | 第24-33页 |
·引言 | 第24页 |
·数据检测技术 | 第24-25页 |
·测量相关概念 | 第25-28页 |
·测量的定义 | 第25页 |
·测量的分类 | 第25-26页 |
·常见的生产过程检测物理量 | 第26-27页 |
·测量误差与测量不确定度 | 第27-28页 |
·生产过程检测误差 | 第28-29页 |
·流程工业非接触生产数据检测仪器与性能 | 第29-32页 |
·光学高温计 | 第29-30页 |
·轧制力测量仪 | 第30-31页 |
·厚度测量仪 | 第31页 |
·宽度测量仪 | 第31-32页 |
·小结 | 第32-33页 |
第三章 工业数据挖掘方法与问题 | 第33-41页 |
·引言 | 第33页 |
·工业生产过程数据建模 | 第33-36页 |
·机理模型的使用困难与相应作用 | 第33-34页 |
·生产过程统计建模 | 第34页 |
·生产过程预测模型 | 第34页 |
·回归分析 | 第34-36页 |
·传统生产过程数据建模方法的缺陷 | 第36页 |
·面向钢铁生产过程产品质量预测的数据挖掘方法 | 第36-37页 |
·工业数据建模中模型参数有偏估计问题 | 第37-39页 |
·工业数据建模中模型参数有偏估计的解决方案 | 第39-40页 |
·小结 | 第40-41页 |
第四章 校正最小二乘参数估计法 | 第41-54页 |
·引言 | 第41页 |
·线性变量误差模型概述 | 第41-43页 |
·线性变量误差模型研究的难点 | 第43页 |
·二元线性变量误差模型参数估计 | 第43-46页 |
·自变量带测量误差的期望与方差 | 第43-44页 |
·测量误差方差 | 第44页 |
·自变量相关系数 | 第44-45页 |
·基于校正最小二乘法的二元线性EV 模型 | 第45-46页 |
·多元线性变量误差模型参数估计 | 第46-49页 |
·多变量EV 模型的Davie 和Hutton 参数估计方法 | 第47-48页 |
·多变量EV 模型校正最小二乘法参数估计 | 第48-49页 |
·多项式EV 模型参数估计 | 第49-51页 |
·非线性EV 模型参数估计 | 第51-52页 |
·小结 | 第52-54页 |
第五章 软件开发与仿真分析 | 第54-81页 |
·引言 | 第54页 |
·系统设计概要 | 第54-57页 |
·系统体系结构 | 第54页 |
·系统功能框图 | 第54-55页 |
·系统数据流 | 第55-56页 |
·后台数据库设计 | 第56-57页 |
·软件应用界面设计 | 第57页 |
·算法效果分析与比较 | 第57-77页 |
·算法性能评价指标 | 第57-60页 |
·自变量正态分布且变量间存在互相关时参数估计 | 第60-63页 |
·自变量正态分布且采样数据信噪比减少时参数估计 | 第63-68页 |
·自变量均匀分布且采样数据量增大时DH 算法、LS 算法、EV 算法性能比较 | 第68-73页 |
·自变量正态分布且采样数据量增大时DH 算法、LS 算法、EV 算法性能比较 | 第73-77页 |
·定量数值计算分析 | 第77-80页 |
·小结 | 第80-81页 |
第六章 总结与展望 | 第81-82页 |
参考文献 | 第82-85页 |
附录:符号说明 | 第85-86页 |
致谢 | 第86-87页 |
攻读硕士学位期间发表的学术论文目录 | 第87页 |