基于数据挖掘的生产事故破坏程度评估系统研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景和意义 | 第9页 |
| 1.2 国内外本学科领域的发展现状与趋势 | 第9-11页 |
| 1.2.1 数据整合以及异常检测相关技术 | 第10-11页 |
| 1.2.2 数据挖掘中的分类器 | 第11页 |
| 1.3 本文的主要工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 相关理论与技术 | 第13-19页 |
| 2.1 数据整合技术 | 第13-14页 |
| 2.1.1 数据整合概述 | 第13页 |
| 2.1.2 XML技术 | 第13-14页 |
| 2.1.3 顶层接口设计原则 | 第14页 |
| 2.2 离群点检测技术 | 第14-16页 |
| 2.2.1 基于统计学的方法 | 第15页 |
| 2.2.2 基于邻近度的技术 | 第15-16页 |
| 2.2.3 优缺点比较 | 第16页 |
| 2.3 数据可视化相关技术 | 第16-19页 |
| 2.3.1 数据可视化概述 | 第16页 |
| 2.3.2 常见的开源可视化库 | 第16-17页 |
| 2.3.3 数据可视化的技术难点与应用 | 第17-19页 |
| 第三章 数据整合及异常问题研究 | 第19-29页 |
| 3.1 数据整合 | 第19-22页 |
| 3.1.1 相关概念与定义 | 第19-20页 |
| 3.1.2 数据解析与交换格式定义 | 第20页 |
| 3.1.3 数据整合流程 | 第20-22页 |
| 3.2 改进的离群点检测算法 | 第22-26页 |
| 3.2.1 传统的基于角度的离群点检测算法 | 第23-24页 |
| 3.2.2 基于角度的三阶段离群点检测算法 | 第24-26页 |
| 3.3 数据异常检测处理流程 | 第26-27页 |
| 3.4 不同异常检测算法比较 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于K邻近算法的评估模型设计 | 第29-45页 |
| 4.1 概述 | 第29-30页 |
| 4.2 企业生产中重大危险源分级标准 | 第30-32页 |
| 4.3 泄漏模型介绍与关键类设计 | 第32-35页 |
| 4.4 特征向量的提取与相似性计算 | 第35-37页 |
| 4.5 构建事故破坏度评估模型 | 第37-44页 |
| 4.5.1 分类器概述 | 第37-38页 |
| 4.5.2 改进的K邻近算法 | 第38-40页 |
| 4.5.3 结合案例数据实验测试 | 第40-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 生产事故破坏度评估系统的实现 | 第45-58页 |
| 5.1 概述 | 第45页 |
| 5.2 开发与部署环境 | 第45-46页 |
| 5.2.1 开发环境 | 第45页 |
| 5.2.2 部署环境 | 第45-46页 |
| 5.3 系统模块接口设计 | 第46-52页 |
| 5.3.1 系统功能模块 | 第46-47页 |
| 5.3.2 数据接口设计 | 第47-52页 |
| 5.4 系统展示 | 第52-56页 |
| 5.5 性能测试 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 结束语 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 发表文章 | 第64-65页 |
| 致谢 | 第65页 |
