摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-16页 |
1.1 论文研究背景 | 第10-11页 |
1.2 研究目的和意义 | 第11-13页 |
1.3 国内外研究现状 | 第13-15页 |
1.3.1 国内研究现状 | 第13-14页 |
1.3.2 国外研究现状 | 第14-15页 |
1.4 论文结构安排 | 第15-16页 |
2 相关技术和原理 | 第16-28页 |
2.1 系统开发工具介绍 | 第16-17页 |
2.1.1 系统集成开发环境 | 第16页 |
2.1.2 数据库 | 第16页 |
2.1.3 系统服务器软件 | 第16-17页 |
2.2 系统服务器端框架介绍 | 第17-20页 |
2.2.1 Spring框架 | 第17-18页 |
2.2.2 SpringWebMVC框架 | 第18-20页 |
2.2.3 Hibernate框架 | 第20页 |
2.3 系统前端框架介绍 | 第20-22页 |
2.3.1 Bootstrap框架 | 第20-21页 |
2.3.2 jsPlumb前端框架 | 第21-22页 |
2.4 智能预测方法介绍 | 第22-26页 |
2.4.1 基于SVM的智能预测方法 | 第22-23页 |
2.4.2 基于神经网络的智能预测方法 | 第23-25页 |
2.4.3 智能预测方法性能评价 | 第25-26页 |
2.5 本章小结 | 第26-28页 |
3 系统需求分析和设计 | 第28-48页 |
3.1 需求分析 | 第28-40页 |
3.1.1 功能性需求分析 | 第28-39页 |
3.1.2 非功能性需求分析 | 第39-40页 |
3.2 系统业务功能设计 | 第40-42页 |
3.3 系统整体框架设计 | 第42-43页 |
3.3.1 系统表示层设计 | 第42-43页 |
3.3.2 系统业务逻辑层设计 | 第43页 |
3.3.3 系统数据访问层设计 | 第43页 |
3.4 系统数据库设计 | 第43-47页 |
3.4.1 概念数据模型设计 | 第44页 |
3.4.2 物理数据模型设计 | 第44-45页 |
3.4.3 数据库实体表的设计 | 第45-47页 |
3.5 本章小结 | 第47-48页 |
4 基于KNE-BPNN的电务设备故障预测 | 第48-64页 |
4.1 故障预测概述 | 第48-49页 |
4.2 K均值样例约简理论 | 第49-52页 |
4.2.1 K均值聚类算法描述 | 第49-50页 |
4.2.2 样例约简算法描述 | 第50-52页 |
4.3 基于邻域近似条件熵的粗糙集属性约简理论 | 第52-56页 |
4.3.1 粗糙集理论综述 | 第52页 |
4.3.2 邻域粗糙集理论 | 第52-53页 |
4.3.3 基于邻域近似条件熵的粗糙集理论的相关概念 | 第53-54页 |
4.3.4 基于邻域近似条件熵属性约简算法描述 | 第54-56页 |
4.4 基于KNE-BPNN故障预测模型 | 第56-58页 |
4.5 基于KNE-BPNN故障预测实例分析 | 第58-63页 |
4.5.1 初始化决策表 | 第58-59页 |
4.5.2 K均值样例约简 | 第59-61页 |
4.5.3 邻域近似条件熵属性约简 | 第61-62页 |
4.5.4 BP神经网络预测模型 | 第62-63页 |
4.6 本章小结 | 第63-64页 |
5 系统功能实现和测试 | 第64-84页 |
5.1 信息可视化 | 第64-73页 |
5.1.1 电缆径路图可视化 | 第64-67页 |
5.1.2 电缆径路配线表可视化 | 第67-71页 |
5.1.3 电缆盒配线表可视化 | 第71-72页 |
5.1.4 径路设备图片展示 | 第72-73页 |
5.2 电务设备数据维护 | 第73-76页 |
5.3 设备数据字典管理 | 第76-77页 |
5.4 系统管理 | 第77-78页 |
5.5 账户管理 | 第78-79页 |
5.6 系统测试 | 第79-82页 |
5.6.1 测试目的 | 第79页 |
5.6.2 测试环境 | 第79-80页 |
5.6.3 系统测试用例 | 第80-82页 |
5.7 本章小结 | 第82-84页 |
6 总结与展望 | 第84-86页 |
6.1 总结 | 第84页 |
6.2 展望 | 第84-86页 |
参考文献 | 第86-90页 |
致谢 | 第90-92页 |
攻读学位期间取得的科研成果清单 | 第92页 |