| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 引言 | 第9-12页 |
| ·概述 | 第9页 |
| ·课题背景和研究意义 | 第9-10页 |
| ·铝电解工艺参数量化中前存在的问题 | 第10页 |
| ·课题研究内容 | 第10-11页 |
| ·论文组织 | 第11-12页 |
| 2. 系统实现的理论知识 | 第12-29页 |
| ·铝电解工艺 | 第12-15页 |
| ·铝电解工艺原理 | 第12页 |
| ·铝电解生产中的主要因素 | 第12-14页 |
| ·铝电解数据的特点 | 第14-15页 |
| ·数据挖掘 | 第15-23页 |
| ·数据挖掘概念 | 第15-16页 |
| ·数据挖掘与数据仓库 | 第16-18页 |
| ·数据挖掘过程 | 第18-20页 |
| ·数据挖掘任务 | 第20-21页 |
| ·数据挖掘特点 | 第21-22页 |
| ·数据挖掘应用及发展 | 第22-23页 |
| ·回归分析模型 | 第23-29页 |
| ·线性回归 | 第23-24页 |
| ·非线性回归 | 第24-25页 |
| ·对回归的检验 | 第25页 |
| ·最小二乘法 | 第25-29页 |
| 3. 所用数据挖掘模型的算法研究及改进 | 第29-47页 |
| ·遗传算法 | 第29-38页 |
| ·遗传算法的原理 | 第29页 |
| ·遗传算法的操作 | 第29-34页 |
| ·遗传算法的运算过程 | 第34-36页 |
| ·遗传算法的收敛 | 第36页 |
| ·遗传算法的特点 | 第36-37页 |
| ·遗传算法在铝电解工艺参数量化中的应用 | 第37-38页 |
| ·神经网络 | 第38-44页 |
| ·人工神经网络简介 | 第38-39页 |
| ·反向传播算法 | 第39-40页 |
| ·神经网络对遗传算法的改进及应用 | 第40-44页 |
| ·研究的其他算法 | 第44-47页 |
| ·聚类 | 第44-47页 |
| 4 铝电解工艺参数量化数据挖掘系统的设计与实现 | 第47-51页 |
| ·系统总体设计原则 | 第47页 |
| ·开发工具及开发语言 | 第47-48页 |
| ·系统总体设计 | 第48-49页 |
| ·系统数据挖掘的流程 | 第49-51页 |
| 5 铝电解工艺参数量化数据挖掘系统的应用实例与结果分析 | 第51-77页 |
| ·建立模型 | 第51-54页 |
| ·数据提取 | 第54-56页 |
| ·数据预处理 | 第56-66页 |
| ·空缺值处理 | 第56-61页 |
| ·噪声数据处理 | 第61-66页 |
| ·系统挖掘及评估 | 第66-74页 |
| ·最小二乘法挖掘 | 第67-69页 |
| ·遗传算法挖掘 | 第69-71页 |
| ·改进的遗传算法—遗传神经网络算法挖掘 | 第71-73页 |
| ·三种算法挖掘结果比较 | 第73-74页 |
| ·模型(模板)应用 | 第74-77页 |
| 6 结论和展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 在学研究成果 | 第83-84页 |
| 致谢 | 第84页 |