数据仓库与数据挖掘技术在新型铝电解控制系统中的应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第9-12页 |
| 符号说明 | 第12-13页 |
| 第一章 前言 | 第13-18页 |
| 1.1 课题背景 | 第13页 |
| 1.2 目前存在的问题 | 第13-16页 |
| 1.2.1 有色企业信息化的现状 | 第14-15页 |
| 1.2.2 铝电解控制系统中存在的问题 | 第15-16页 |
| 1.3 本文所要做的主要工作 | 第16-17页 |
| 1.4 论文的方案设计 | 第17-18页 |
| 第二章 文献综述 | 第18-39页 |
| 2.1 铝电解控制系统文献综述 | 第18-28页 |
| 2.1.1 铝电解控制系统发展概况 | 第18-22页 |
| 2.1.2 槽物料平衡控制研究 | 第22-25页 |
| 2.1.3 槽热平衡控制研究 | 第25-28页 |
| 2.2 数据挖掘技术文献综述 | 第28-39页 |
| 2.2.1 数据挖掘概述 | 第28-31页 |
| 2.2.2 数据挖掘模式和算法研究 | 第31-36页 |
| 2.2.3 数据挖掘的应用与发展趋势 | 第36-39页 |
| 第三章 数据仓库技术的应用研究 | 第39-59页 |
| 3.1 数据仓库技术综述 | 第39-41页 |
| 3.1.1 数据仓库概述 | 第39页 |
| 3.1.2 数据仓库的数据模型研究 | 第39-40页 |
| 3.1.3 OLAP技术 | 第40-41页 |
| 3.2 为什么使用数据仓库? | 第41-42页 |
| 3.3 铝电解控制系统中的数据仓库模型设计 | 第42-46页 |
| 3.3.1 模型组织结构的选择与设计 | 第43页 |
| 3.3.2 铝电解控制系统中完整的数据仓库模型 | 第43-45页 |
| 3.3.3 数据粒度的选择与数据存储 | 第45-46页 |
| 3.4 数据预处理 | 第46-57页 |
| 3.4.1 空穴填充 | 第46-51页 |
| 3.4.2 重复记录处理 | 第51-57页 |
| 3.4.3 数据抽取、转换与加载策略 | 第57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 数据挖掘技术模型的研究 | 第59-83页 |
| 4.1 灰关联规则模型 | 第60-71页 |
| 4.1.1 引言 | 第60页 |
| 4.1.2 灰关联规则的概念 | 第60-65页 |
| 4.1.3 改进的灰关联度计算 | 第65-68页 |
| 4.1.4 灰关联规则挖掘算法 | 第68-71页 |
| 4.2 连通分支聚类模型 | 第71-75页 |
| 4.2.1 引言 | 第71页 |
| 4.2.2 模型的基本概念 | 第71-73页 |
| 4.2.3 连通分支聚类算法 | 第73-75页 |
| 4.3 偏移系数模型 | 第75-80页 |
| 4.3.1 属性划分 | 第75-78页 |
| 4.3.2 单维偏移系数 | 第78-79页 |
| 4.3.3 加权多维偏移系数 | 第79-80页 |
| 4.4 本章小结 | 第80-83页 |
| 第五章 新型铝电解控制系统软件的设计与实现 | 第83-106页 |
| 5.1 引言 | 第83页 |
| 5.2 网络结构的设计 | 第83-85页 |
| 5.3 控制系统的设计与开发 | 第85-91页 |
| 5.3.1 软件运行环境 | 第85页 |
| 5.3.2 软件结构及功能模块 | 第85-86页 |
| 5.3.3 数据库与数据仓库的设计 | 第86-88页 |
| 5.3.4 控制系统的设计 | 第88-91页 |
| 5.4 与管理系统的融合研究 | 第91-95页 |
| 5.4.1 资源-应用体系框架的结构 | 第91-93页 |
| 5.4.2 资源的设计原则 | 第93-94页 |
| 5.4.3 系统的安全控制 | 第94-95页 |
| 5.5 系统实现与工业应用 | 第95-105页 |
| 5.5.1 监控表的动态建立 | 第95-96页 |
| 5.5.2 接口机子系统的实现 | 第96-97页 |
| 5.5.3 客户端子系统的实现 | 第97-103页 |
| 5.5.4 服务器监视 | 第103-104页 |
| 5.5.5 工业应用 | 第104-105页 |
| 5.6 本章小结 | 第105-106页 |
| 第六章 数据挖掘技术的应用与数据分析 | 第106-124页 |
| 6.1 数据挖掘器的实现 | 第106页 |
| 6.2 OLAP数据分析应用 | 第106-115页 |
| 6.2.1 考核指标综合分析 | 第107-109页 |
| 6.2.2 部门数据分析 | 第109-113页 |
| 6.2.3 时间维数据分析 | 第113-115页 |
| 6.3 灰关联分析 | 第115-117页 |
| 6.4 聚类分析 | 第117-119页 |
| 6.5 偏移系数分析 | 第119-122页 |
| 6.6 本章小结 | 第122-124页 |
| 第七章 总结与展望 | 第124-127页 |
| 参考文献 | 第127-148页 |
| 致谢 | 第148-149页 |
| 攻读博士学位期间发表的论文 | 第149页 |
