过程控制中的数据挖掘技术研究及其智能控制策略探讨
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-34页 |
| ·引言 | 第10-11页 |
| ·粗糙集理论概述 | 第11-14页 |
| ·粗糙集理论的背景 | 第11-12页 |
| ·粗糙集理论的研究对象 | 第12页 |
| ·粗糙集理论的特点 | 第12-13页 |
| ·粗糙集理论的应用现状 | 第13-14页 |
| ·数据挖掘技术概述 | 第14-24页 |
| ·数据预处理 | 第15-17页 |
| ·模型分类算法 | 第17-24页 |
| ·本文的主要研究内容与创新点 | 第24-26页 |
| 参考文献 | 第26-34页 |
| 第二章 粗糙集理论及在数据挖掘中的应用 | 第34-65页 |
| ·粗糙集理论及其研究现状 | 第34-45页 |
| ·基本概念 | 第34-37页 |
| ·粗糙度和分类质量 | 第37-39页 |
| ·属性的重要度和决策规则 | 第39-40页 |
| ·粗糙集模型的扩展 | 第40-43页 |
| ·粗糙集的属性约简 | 第43-45页 |
| ·属性约简算法 | 第45-57页 |
| ·属性一般约简算法 | 第45-46页 |
| ·基于信息量的属性约简算法 | 第46-51页 |
| ·启发式最小约简算法 | 第51-55页 |
| ·应用实例和结论 | 第55-57页 |
| ·近似约简算法及其应用实例 | 第57-61页 |
| ·基于采样的近似约简算法 | 第58-60页 |
| ·实例研究 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 第三章 耦合度和关联规则的数据挖掘算法研究 | 第65-79页 |
| ·前言 | 第65-66页 |
| ·关联规则 | 第66-69页 |
| ·基本概念和问题描述 | 第66-67页 |
| ·关联规则的分类 | 第67-68页 |
| ·语言值关联规则 | 第68页 |
| ·耦合关联和序列模式 | 第68-69页 |
| ·耦合关联的挖掘算法 | 第69-71页 |
| ·需求分析 | 第69页 |
| ·算法描述 | 第69-70页 |
| ·数据分析 | 第70-71页 |
| ·语言值关联规则的挖掘算法 | 第71-76页 |
| ·算法研究 | 第71-73页 |
| ·语言值关联规则的冗余去除 | 第73-74页 |
| ·实例研究 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 第四章 数据挖掘过程模型的建立和应用 | 第79-90页 |
| ·数据挖掘CRISP-DM模型和应用 | 第79-82页 |
| ·过程模型CRISP-DM的建模步骤 | 第79-81页 |
| ·过程模型的开发和应用 | 第81-82页 |
| ·过程控制中的一种数据挖掘模型 | 第82-85页 |
| ·数据挖掘应用平台 | 第85-88页 |
| ·体系结构 | 第86-87页 |
| ·软件构架 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 参考文献 | 第89-90页 |
| 第五章 基于数据挖掘的智能控制策略探讨 | 第90-107页 |
| ·粗糙模糊模型的建立 | 第91-95页 |
| ·属性模糊化 | 第91页 |
| ·数据预处理 | 第91-92页 |
| ·初始化粗糙模糊模型 | 第92页 |
| ·规则的获取 | 第92-93页 |
| ·模型的一致性与完备性 | 第93页 |
| ·模型的有效性检验 | 第93页 |
| ·实例研究 | 第93-95页 |
| ·粗糙神经网络建模 | 第95-99页 |
| ·建模过程 | 第96-97页 |
| ·实例研究 | 第97-99页 |
| ·基于数据挖掘的智能控制策略探讨 | 第99-103页 |
| ·水泥生产工艺简介 | 第99-101页 |
| ·控制策略 | 第101-103页 |
| ·本章小结 | 第103-105页 |
| 参考文献 | 第105-107页 |
| 结束语 | 第107-108页 |
| 博士期间参加的研究项目及发表录用的论文 | 第108-109页 |
| 致谢 | 第109页 |
