面向制造业的数据挖掘技术研究与应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第1章 绪论 | 第11-18页 |
| ·数据挖掘的研究背景 | 第11-12页 |
| ·数据挖掘的应用现状 | 第12-13页 |
| ·制造过程中应用数据挖掘技术面临的问题 | 第13-15页 |
| ·数据挖掘技术在制造过程中的应用发展方向 | 第15-16页 |
| ·本文主要研究内容 | 第16-18页 |
| 第2章 数据挖掘技术的基本理论 | 第18-27页 |
| ·数据挖掘概念 | 第18-20页 |
| ·数据挖掘的定义 | 第18-19页 |
| ·数据挖掘的过程 | 第19-20页 |
| ·数据挖掘系统的组成 | 第20-22页 |
| ·数据挖掘与传统数据分析工具的区别 | 第22-23页 |
| ·数据挖掘的功能与分类 | 第23-26页 |
| ·数据挖掘的功能 | 第23-25页 |
| ·数据挖掘的分类 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 面向工艺参数优化的数据挖掘算法研究 | 第27-49页 |
| ·切削工艺参数优化的目的 | 第29页 |
| ·面向工艺参数优化的决策树分类方法研究 | 第29-35页 |
| ·分类器概述 | 第30-31页 |
| ·基于信息熵的决策树分类 | 第31-33页 |
| ·决策树评价指标 | 第33-35页 |
| ·面向质量评估的人工神经网络方法研究 | 第35-41页 |
| ·人工神经网络原理 | 第36-39页 |
| ·神经网络算法及建模 | 第39-41页 |
| ·切削参数优化方案 | 第41-48页 |
| ·切削实验粗糙度结果的分类建模 | 第43-45页 |
| ·建立预测和优化的神经网络模型 | 第45-47页 |
| ·结论与分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 面向过程检测的数据挖掘算法研究 | 第49-61页 |
| ·过程检测的意义 | 第49页 |
| ·面向过程检测的关联分析方法研究 | 第49-55页 |
| ·关联规则概念和原理 | 第49-50页 |
| ·关联规则经典算法改进和流程框图 | 第50-55页 |
| ·某航天产品过程检测分析 | 第55-60页 |
| ·数据预处理 | 第55-58页 |
| ·关联分析步骤 | 第58-59页 |
| ·分析结论 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 面向制造过程的数据挖掘平台设计 | 第61-81页 |
| ·数据挖掘工具的总体设计 | 第62-66页 |
| ·系统框架 | 第63-65页 |
| ·软件架构 | 第65-66页 |
| ·面向对象技术的数据挖掘工具建模 | 第66-72页 |
| ·面向对象技术及UML的概念 | 第66-69页 |
| ·系统用例模型 | 第69-70页 |
| ·功能模块设计 | 第70-72页 |
| ·算法模块详细设计 | 第72-76页 |
| ·系统开发平台 | 第76页 |
| ·系统实现的关键技术 | 第76-80页 |
| ·Matlab接口技术 | 第76-78页 |
| ·WebService介绍 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第6章 数据挖掘系统运行 | 第81-91页 |
| ·系统功能描述 | 第81-85页 |
| ·系统运行环境 | 第81页 |
| ·系统主要功能模块简介 | 第81-85页 |
| ·系统工作流程 | 第85-86页 |
| ·系统运行 | 第86-90页 |
| ·数据获取 | 第87-88页 |
| ·数据预处理 | 第88页 |
| ·人工神经网络训练 | 第88-89页 |
| ·人工神经网络预测 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第7章 总结与展望 | 第91-93页 |
| ·总结 | 第91页 |
| ·展望 | 第91-93页 |
| 参考文献 | 第93-96页 |
| 攻读学位期间发表的学术论文 | 第96-97页 |
| 致谢 | 第97页 |
