数据挖掘在提高SMT焊接质量中的应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题提出的背景及研究意义 | 第13-14页 |
| 1.2 表面贴装技术工艺概述 | 第14-16页 |
| 1.3 表面贴装技术的国内外研究现状 | 第16-20页 |
| 1.4 本文主要研究内容与结构 | 第20-21页 |
| 第二章 数据挖掘技术 | 第21-31页 |
| 2.1 数据挖掘的基本原理 | 第21-28页 |
| 2.1.1 数据、信息与知识 | 第21-23页 |
| 2.1.2 数据挖掘的流程 | 第23-26页 |
| 2.1.3 数据挖掘的体系结构 | 第26-28页 |
| 2.2 数据挖掘算法分类 | 第28-29页 |
| 2.3 数据挖掘算法的选择 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于SOM和K-Means的二次聚类方法 | 第31-39页 |
| 3.1 SOM神经网络 | 第31-33页 |
| 3.1.1 SOM神经网络的模型 | 第31-32页 |
| 3.1.2 SOM神经网络的训练思路 | 第32-33页 |
| 3.1.3 SOM神经网络的优缺点分析 | 第33页 |
| 3.2 K-Means聚类算法 | 第33-35页 |
| 3.2.1 K-Means聚类算法的学习过程 | 第33-34页 |
| 3.2.2 K-Means聚类算法的的优缺点分析 | 第34-35页 |
| 3.3 基于SOM和K-Means的二次聚类方法 | 第35-37页 |
| 3.3.1 S-K二次聚类方法的改进思路 | 第35页 |
| 3.3.2 S-K二次聚类方法的计算过程 | 第35-37页 |
| 3.4 实验仿真验证 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 决策树分类算法 | 第39-50页 |
| 4.1 决策树算法的主要研究内容 | 第39-41页 |
| 4.1.1 属性选择标准 | 第39-40页 |
| 4.1.2 决策树的剪枝技术 | 第40-41页 |
| 4.2 决策树算法的分析和选择 | 第41-42页 |
| 4.3 C4.5决策树算法及其改进算法 | 第42-49页 |
| 4.3.1 C4.5决策树算法 | 第42-43页 |
| 4.3.2 改进的C4.5算法 | 第43-45页 |
| 4.3.3 实验仿真验证 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 焊接质量预测模型设计与验证 | 第50-63页 |
| 5.1 SMT焊接质量预测模型的框架 | 第50-51页 |
| 5.2 数据预处理 | 第51-55页 |
| 5.2.1 数据准备 | 第51-52页 |
| 5.2.2 数据清洗 | 第52-53页 |
| 5.2.3 数据约简 | 第53-54页 |
| 5.2.4 数据转换 | 第54-55页 |
| 5.3 聚类分析 | 第55-58页 |
| 5.4 基于决策树的焊接质量预测 | 第58-62页 |
| 5.4.1 决策树的生成 | 第58-60页 |
| 5.4.2 决策树性能测试 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论及展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位其间发表的论文 | 第70-72页 |
| 致谢 | 第72页 |
