| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第8-10页 |
| ·问题的提出 | 第8-9页 |
| ·论文的主要研究内容 | 第9-10页 |
| 第2章 数据挖掘概述 | 第10-20页 |
| ·数据挖掘的定义 | 第10页 |
| ·数据挖掘的过程和分类 | 第10-13页 |
| ·数据挖掘的过程 | 第10-12页 |
| ·数据挖掘的分类 | 第12-13页 |
| ·数据挖掘的各种技术 | 第13-17页 |
| ·人工神经网络 | 第13-15页 |
| ·遗传算法 | 第15-16页 |
| ·规则归纳 | 第16-17页 |
| ·数据挖掘与知识发现、机器学习、联机分析处理的比较 | 第17-18页 |
| ·数据挖掘和统计学的关系 | 第18-20页 |
| 第3章 SAS数据挖掘工具 | 第20-27页 |
| ·SAS／STAR | 第22页 |
| ·SAS／ETS | 第22-23页 |
| ·SAS／INSIGHT | 第23页 |
| ·SAS／Enterprise Miner | 第23-27页 |
| 第4章 数据清洗 | 第27-38页 |
| ·收集数据 | 第28-33页 |
| ·开清棉工序中数据的收集 | 第28-30页 |
| ·梳棉工序中数据的收集 | 第30页 |
| ·并条工序中数据的收集 | 第30-31页 |
| ·粗纱工序中数据的收集 | 第31-33页 |
| ·细纱工序中数据的收集 | 第33页 |
| ·产生数据集 | 第33-38页 |
| ·开清棉工序中产生的数据集 | 第34页 |
| ·梳棉工序中产生的数据集 | 第34-35页 |
| ·并条工序中产生的数据集 | 第35-36页 |
| ·粗纱工序中产生的数据集 | 第36-37页 |
| ·细纱工序中产生的数据集 | 第37-38页 |
| 第5章 利用SAS工具集成数据集 | 第38-44页 |
| ·开清棉工序laydown数据集的集成 | 第38-39页 |
| ·并条工序drawing数据集的集成 | 第39-41页 |
| ·粗纱工序spin数据集的集成 | 第41-42页 |
| ·细纱工序yarn数据集的集成 | 第42-44页 |
| 第6章 使用SAS／Enterprise Miner进行数据挖掘 | 第44-56页 |
| ·SAS／Enterprise Miner的工作流程 | 第44-47页 |
| ·数据获取 | 第44-45页 |
| ·数据分割 | 第45页 |
| ·数据筛选 | 第45页 |
| ·回归模型 | 第45-46页 |
| ·决策树模型 | 第46页 |
| ·神经网络模型 | 第46-47页 |
| ·综合评价 | 第47页 |
| ·报表显示 | 第47页 |
| ·分析结果 | 第47-51页 |
| ·数据获取结果 | 第47-48页 |
| ·数据分割结果 | 第48页 |
| ·数据筛选结果 | 第48-49页 |
| ·回归模型结果 | 第49页 |
| ·决策树模型结果 | 第49页 |
| ·神经网络模型结果 | 第49-50页 |
| ·最终结论 | 第50-51页 |
| ·建立过程模型 | 第51-56页 |
| 第7章 结论 | 第56-58页 |
| 攻读学位期间公开发表的论文 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录: 报表结点的输出结果 | 第63-70页 |
