| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文的组织结构 | 第13-14页 |
| 2 数据挖掘及其算法的研究基础 | 第14-26页 |
| 2.1 引言 | 第14页 |
| 2.2 数据挖掘技术 | 第14-16页 |
| 2.3 数据挖掘方法 | 第16-18页 |
| 2.3.1 聚类分析 | 第16-17页 |
| 2.3.2 关联规则 | 第17页 |
| 2.3.3 分类及回归分析 | 第17-18页 |
| 2.4 数据挖掘算法研究基础 | 第18-25页 |
| 2.4.1 人工神经网络 | 第18-22页 |
| 2.4.2 神经网络的几种改进 | 第22-23页 |
| 2.4.3 遗传算法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 数据挖掘中海量数据的预处理 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 数据的集成 | 第26-30页 |
| 3.2.1 Pearson 属性约简法 | 第26-28页 |
| 3.2.2 邻域粗糙集属性约简算法 | 第28-30页 |
| 3.3 数据的降噪 | 第30-35页 |
| 3.3.1 小波分析 | 第31-32页 |
| 3.3.2 小波包分析 | 第32-33页 |
| 3.3.3 试验分析 | 第33-35页 |
| 3.4 数据归一化 | 第35-36页 |
| 3.4.1 Min-max 归一法 | 第35页 |
| 3.4.2 Z-score 归一法 | 第35页 |
| 3.4.3 Decimal Scaling 归一法 | 第35-36页 |
| 3.4.4 其他归一法 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于遗传算法优化的 BP 神经网络的回归分析 | 第37-54页 |
| 4.1 引言 | 第37页 |
| 4.2 几种改进的 BP 算法性能分析 | 第37-43页 |
| 4.3 基于遗传算法优化的 BP 算法 | 第43-44页 |
| 4.4 算法训练函数的选取 | 第44-47页 |
| 4.5 算法参数的确定 | 第47-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 挖掘算法在桥梁健康监测预测中的应用 | 第54-68页 |
| 5.1 引言 | 第54页 |
| 5.2 桥梁监测数据 | 第54-60页 |
| 5.2.1 斜拉桥构造 | 第55-57页 |
| 5.2.2 某斜拉桥的健康监测系统 | 第57-60页 |
| 5.3 桥梁健康监测数据的预处理 | 第60-64页 |
| 5.3.1 数据集成 | 第60-61页 |
| 5.3.2 噪声处理 | 第61-63页 |
| 5.3.3 相关性分析 | 第63-64页 |
| 5.4 桥梁健康监测数据预测 | 第64-67页 |
| 5.4.1 数据预测 | 第64-66页 |
| 5.4.2 结果分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 总结展望 | 第68-69页 |
| 6.1 论文总结 | 第68页 |
| 6.2 工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间的研究成果 | 第73页 |