基于数据挖掘的针织产品质量控制研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 质量控制管理的研究现状 | 第9-11页 |
| 1.2.2 数据挖掘的研究现状 | 第11-12页 |
| 1.3 课题的研究内容及方法 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 研究方法 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 数据挖掘技术在质量控制模型中的应用 | 第15-26页 |
| 2.1 数据挖掘的定义 | 第15-16页 |
| 2.1.1 数据挖掘的技术定义 | 第15页 |
| 2.1.2 数据挖掘的工业定义 | 第15-16页 |
| 2.2 数据挖掘的原理 | 第16-19页 |
| 2.2.1 数据挖掘的研究内容 | 第16-17页 |
| 2.2.2 数据挖掘过程 | 第17-19页 |
| 2.3 典型的数据挖掘技术 | 第19-20页 |
| 2.4 建模所用数据挖掘算法的选择 | 第20-22页 |
| 2.5 数据挖掘工具的选择 | 第22-25页 |
| 2.5.1 数据挖掘软件 | 第22-23页 |
| 2.5.2 Python开发语言 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 构建基于决策树算法的质量控制模型 | 第26-37页 |
| 3.1 针织产品生产过程质量控制分析 | 第26-28页 |
| 3.2 决策树C5.0算法概述 | 第28-30页 |
| 3.2.1 决策树算法 | 第28-29页 |
| 3.2.2 C5.0算法 | 第29-30页 |
| 3.3 质量控制模型的构建过程 | 第30-35页 |
| 3.3.1 构建质量控制初步模型 | 第31-33页 |
| 3.3.2 模型的剪枝 | 第33-34页 |
| 3.3.3 模型的优化 | 第34-35页 |
| 3.4 生成质量控制决策树模型 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 质量控制决策树模型的实证 | 第37-55页 |
| 4.1 质量控制模型的实证过程 | 第37-38页 |
| 4.2 实验数据采集及预处理 | 第38-43页 |
| 4.2.1 数据采集 | 第38-41页 |
| 4.2.2 数据预处理 | 第41-43页 |
| 4.3 建立质量控制决策树实例 | 第43-52页 |
| 4.3.1 生成质量控制决策树 | 第43-49页 |
| 4.3.2 提取质量等级分类规则集 | 第49-52页 |
| 4.4 模型的检验评估 | 第52页 |
| 4.5 决策结果应用分析 | 第52-54页 |
| 4.5.1 产品类型因素 | 第52-53页 |
| 4.5.2 原料质量等级因素 | 第53页 |
| 4.5.3 挡车工因素 | 第53页 |
| 4.5.4 环境温湿度因素 | 第53页 |
| 4.5.5 班次因素 | 第53-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 结论与展望 | 第55-57页 |
| 5.1 结论 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录一:作者在攻读硕士学位期间发表的论文 | 第61-62页 |
| 附录二:程序核心代码 | 第62-67页 |
