| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| ·概述 | 第9-10页 |
| ·大坝安全监测及其研究现状 | 第10-13页 |
| ·数据挖掘技术及其研究现状 | 第13-15页 |
| ·本文主要研究内容 | 第15-16页 |
| 第2章 相关理论基础与技术支持 | 第16-30页 |
| ·数据挖掘 | 第16-20页 |
| ·数据挖掘的产生与发展 | 第16-17页 |
| ·数据挖掘的概念 | 第17-18页 |
| ·数据挖掘的过程 | 第18-20页 |
| ·数据挖掘方法 | 第20-26页 |
| ·决策树算法 | 第21-23页 |
| ·人工神经网络 | 第23-25页 |
| ·K最近邻(k-Nearest Neighbor,KNN)分类算法 | 第25-26页 |
| ·大坝安全监测技术 | 第26-29页 |
| ·大坝安全监测技术的发展 | 第26页 |
| ·大坝安全监测仪器 | 第26-29页 |
| ·大坝安全监测自动化技术 | 第29页 |
| ·小结 | 第29-30页 |
| 第3章 构建大坝安全监测系统 | 第30-37页 |
| ·大坝安全监测系统建设原则 | 第30-31页 |
| ·大坝安全监测系统的构建 | 第31-35页 |
| ·大坝安全监测系统框架 | 第31页 |
| ·现场总线技术 | 第31-33页 |
| ·系统数据采集结构 | 第33-35页 |
| ·大坝安全监测系统 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 基于决策树的大坝安全监测数据挖掘 | 第37-48页 |
| ·决策树分类技术 | 第37-41页 |
| ·决策树概述 | 第37页 |
| ·决策树的构造过程 | 第37-41页 |
| ·两种主要决策树算法 | 第41-43页 |
| ·ID算法 | 第41-42页 |
| ·C4.5算法 | 第42-43页 |
| ·基于决策树的大坝监测系统的数据挖掘 | 第43-46页 |
| ·决策树分析大坝观测数据的主要步骤 | 第43页 |
| ·基于决策树的大坝监测系统的数据挖掘实例分析 | 第43-46页 |
| ·小结 | 第46-48页 |
| 第5章 对于大坝安全监测信息的可视化研究 | 第48-61页 |
| ·可视化技术 | 第48-50页 |
| ·可视化技术 | 第48页 |
| ·可视化技术的意义 | 第48-50页 |
| ·可视化技术的特点 | 第50页 |
| ·数据可视化 | 第50-56页 |
| ·数据可视化的概念及意义 | 第50-51页 |
| ·多维数据可视化 | 第51-56页 |
| ·可视化数据挖掘 | 第56-59页 |
| ·可视化数据挖掘的概念 | 第56-57页 |
| ·决策树分类模型可视化实例分析 | 第57-59页 |
| ·大坝监测信息可视化 | 第59-60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 结论 | 第61页 |
| 展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第67页 |