面向工业过程操作规则挖掘的一种聚类关联规则组合方法
| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 前言 | 第12-18页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 相关技术研究现状 | 第12-17页 |
| 1.2.1 数据挖掘方法及其在工业过程中的应用 | 第12-14页 |
| 1.2.2 APRIORI关联规则算法 | 第14-15页 |
| 1.2.3 K-MEANS聚类方法 | 第15-17页 |
| 1.3 论文内容及结构安排 | 第17-18页 |
| 第二章 基于聚类的关联规则算法 | 第18-38页 |
| 2.1 引言 | 第18页 |
| 2.2 K-MEANS算法 | 第18-24页 |
| 2.2.1 K-MEANS算法流程 | 第18-19页 |
| 2.2.2 实例研究 | 第19-24页 |
| 2.3 APRIORI算法 | 第24-29页 |
| 2.3.1 APRIORI算法流程 | 第24-27页 |
| 2.3.2 实例研究 | 第27-29页 |
| 2.4 基于K-MEANS的APRIORI算法 | 第29-36页 |
| 2.4.1 算法流程 | 第29-30页 |
| 2.4.2 实例研究 | 第30-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 工业过程操作规则挖掘 | 第38-48页 |
| 3.1 引言 | 第38页 |
| 3.2 工业过程操作规则 | 第38-39页 |
| 3.3 工业过程操作规则挖掘方法 | 第39-44页 |
| 3.3.1 目标变量聚类 | 第39页 |
| 3.3.2 连续数据布尔化 | 第39-40页 |
| 3.3.3 关联规则挖掘 | 第40-43页 |
| 3.3.4 关联规则反布尔化 | 第43-44页 |
| 3.4 实例研究 | 第44-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 应用研究 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 TE过程 | 第48-50页 |
| 4.3 操作规则分析 | 第50-51页 |
| 4.4 操作规则挖掘 | 第51-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-68页 |
| 致谢 | 第68-70页 |
| 研究成果及发表的学术论文 | 第70-72页 |
| 作者及导师简介 | 第72-73页 |
| 附录 | 第73-74页 |
