| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·选矿过程介绍 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·竖炉焙烧被控变量优化设定的国内外研究现状 | 第12-14页 |
| ·数据挖掘的研究现状 | 第14-16页 |
| ·论文研究的主要内容 | 第16页 |
| ·本文组织结构 | 第16-18页 |
| 第2章 竖炉焙烧过程描述及数据分析 | 第18-26页 |
| ·竖炉焙烧过程描述及分析 | 第18-22页 |
| ·竖炉焙烧过程 | 第18-20页 |
| ·竖炉焙烧过程的分析 | 第20-21页 |
| ·指标分析 | 第21-22页 |
| ·数据的采集及分析 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 数据挖掘相关技术 | 第26-46页 |
| ·数据挖掘 | 第26-30页 |
| ·数据挖掘的定义 | 第26-27页 |
| ·数据挖掘的过程 | 第27-28页 |
| ·数据挖掘的任务 | 第28-30页 |
| ·关联规则挖掘 | 第30-33页 |
| ·关联规则基本理论 | 第30-31页 |
| ·关联规则的挖掘过程 | 第31-32页 |
| ·关联规则分类 | 第32-33页 |
| ·关联规则挖掘的经典算法 | 第33-39页 |
| ·Apriori 算法 | 第33-36页 |
| ·FP-Growth 算法 | 第36-38页 |
| ·关联规则挖掘结果的衡量标准 | 第38-39页 |
| ·聚类分析 | 第39-44页 |
| ·聚类分析的定义 | 第39-40页 |
| ·聚类分析中的数据类型 | 第40-41页 |
| ·聚类分析中的相似度的度量方法 | 第41-42页 |
| ·聚类分析的分类 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于聚类与关联规则算法的改进 | 第46-60页 |
| ·k-means 算法 | 第46-49页 |
| ·k-means 算法基本概念 | 第46-48页 |
| ·k-means 算法优缺点 | 第48-49页 |
| ·改进的 k-means 聚类算法 | 第49-56页 |
| ·k 值的确定 | 第49-50页 |
| ·选取适当的初始聚类中心 | 第50-53页 |
| ·对改进的 k-means 算法描述 | 第53-54页 |
| ·算法的性能分析 | 第54-56页 |
| ·改进的 Apriori 算法 | 第56-58页 |
| ·改进算法的基本思想 | 第56-57页 |
| ·改进算法的描述 | 第57页 |
| ·算法性能分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第5章 竖炉焙烧被控变量优化设定的关联规则挖掘 | 第60-74页 |
| ·竖炉焙烧被控变量设定系统总体框图 | 第60-63页 |
| ·系统总体架构 | 第60-61页 |
| ·系统流程 | 第61-63页 |
| ·竖炉焙烧被控变量设定的离线模块的实现 | 第63-70页 |
| ·系统开发环境 | 第63页 |
| ·数据预处理 | 第63-67页 |
| ·基于 T-Apriori 改进算法的竖炉焙烧被控变量设定的实现 | 第67-69页 |
| ·算法性能对比 | 第69-70页 |
| ·现场检索界面设定界面 | 第70-71页 |
| ·实验结果分析 | 第71-73页 |
| ·时间对比 | 第71-72页 |
| ·实验效果分析 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表学术论文 | 第80-82页 |
| 致谢 | 第82页 |