| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文研究的内容 | 第12-13页 |
| ·论文组织结构 | 第13-15页 |
| 第2章 数据挖掘及其关键技术分析 | 第15-23页 |
| ·数据挖掘的概念 | 第15页 |
| ·数据挖掘的存储对象 | 第15-17页 |
| ·关系数据库 | 第16-17页 |
| ·数据仓库 | 第17页 |
| ·事务数据库 | 第17页 |
| ·基本数据挖掘任务 | 第17-20页 |
| ·特征和区分 | 第17-18页 |
| ·关联分析 | 第18页 |
| ·分类和预测 | 第18-19页 |
| ·聚类分析 | 第19页 |
| ·局外者分析 | 第19-20页 |
| ·SQL SERVER 2008数据挖掘工具介绍 | 第20-22页 |
| ·Business Intelligence Development Studio介绍 | 第20-21页 |
| ·SQL Server DataMining一般步骤 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 设备LCC元素及建模分析 | 第23-40页 |
| ·影响设备生命周期费用的主要因素 | 第23-25页 |
| ·影响港口设备全生命周期费用的因素 | 第23-25页 |
| ·港口设备全生命周期费用分解结构 | 第25页 |
| ·港口设备的LCC数据收集与整理 | 第25-26页 |
| ·费用估算方法 | 第26-28页 |
| ·设备的前期费用估算 | 第27页 |
| ·设备的后期费用估算 | 第27-28页 |
| ·各费用单元模型建立 | 第28-30页 |
| ·设备购置费数学模型 | 第28页 |
| ·能耗费数学模型 | 第28-29页 |
| ·保养费数学模型 | 第29页 |
| ·维修费数学模型 | 第29-30页 |
| ·费用预测方法 | 第30-35页 |
| ·线性回归预测 | 第30-31页 |
| ·灰色预测 | 第31页 |
| ·时间序列平滑预测 | 第31-32页 |
| ·神经网络预测 | 第32-35页 |
| ·港口机械设备选型建模 | 第35-36页 |
| ·港口设备选型原则 | 第35-36页 |
| ·港口设备选型方法 | 第36页 |
| ·港口机械设备报废更新建模 | 第36-39页 |
| ·港口设备报废更新策略 | 第37页 |
| ·经济寿命的确定 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 港口设备数据仓库生成 | 第40-48页 |
| ·数据库设计 | 第40-42页 |
| ·数据表 | 第40-41页 |
| ·数据表之间的关系 | 第41-42页 |
| ·数据仓库的生成 | 第42-43页 |
| ·数据仓库的生成 | 第42页 |
| ·数据仓库使用与维护 | 第42-43页 |
| ·数据仓库的实现 | 第43-46页 |
| ·原始数据分析 | 第43页 |
| ·数据预处理 | 第43-46页 |
| ·数据导入 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第5章 港口设备数据挖掘决策实例 | 第48-65页 |
| ·港口设备选型应用实例 | 第48-56页 |
| ·设备运行数据预测 | 第48-53页 |
| ·设备经济寿命周期确定 | 第53-56页 |
| ·设备选型决策 | 第56页 |
| ·港口设备更新应用实例 | 第56-60页 |
| ·线性回归数据准备 | 第58页 |
| ·线性回归挖掘结果 | 第58-60页 |
| ·港口设备保养策略应用实例 | 第60-64页 |
| ·神经网络数据准备 | 第60-61页 |
| ·神经网络参数设置 | 第61-62页 |
| ·神经网络挖掘结果 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 总结和展望 | 第65-67页 |
| ·全文总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第71页 |