數(shù)據(jù)挖掘在冶金產(chǎn)品質(zhì)量控制中的應(yīng)用

第一章 引論
  1.1 數(shù)據(jù)挖掘技術(shù)及其研究現(xiàn)狀
    1.1.1 知識(shí)獲取與數(shù)據(jù)挖掘技術(shù)
    1.1.2 數(shù)據(jù)挖掘研究與應(yīng)用的現(xiàn)狀
  1.2 數(shù)據(jù)挖掘的對(duì)象
    1.2.1 數(shù)據(jù)庫(kù)
    1.2.2 數(shù)據(jù)倉(cāng)庫(kù)
    1.2.3 文本
    1.2.4 Web信息
    1.2.5 空間數(shù)據(jù)
  1.3 數(shù)據(jù)挖掘的主要技術(shù)
  1.4 數(shù)據(jù)挖掘過(guò)程及結(jié)果解釋
  1.5 數(shù)據(jù)挖掘建模設(shè)計(jì)方案
    1.5.1 通用的數(shù)據(jù)挖掘框架
    1.5.2 建模設(shè)計(jì)方案的基本框架
    1.5.3 方案實(shí)施的系統(tǒng)環(huán)境
  1.6 冶金產(chǎn)品質(zhì)量控制問(wèn)題分析
  1.7 本書(shū)的主要工作
第二章 冶金產(chǎn)品質(zhì)量數(shù)據(jù)集市的構(gòu)建
  2.1 數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市
    2.1.1 數(shù)據(jù)倉(cāng)庫(kù)概述
    2.1.2 數(shù)據(jù)集市
  2.2 熱軋產(chǎn)品質(zhì)量數(shù)據(jù)集市的建立
    2.2.1 熱軋數(shù)據(jù)的現(xiàn)狀
    2.2.2 熱軋數(shù)據(jù)集市的實(shí)現(xiàn)
  2.3 數(shù)據(jù)預(yù)處理
  2.4 確定建模數(shù)據(jù)的輸入輸出變量
  2.5 建模數(shù)據(jù)的篩選與歸一化
    2.5.1 建模數(shù)據(jù)的篩選
    2.5.2 建模數(shù)據(jù)的歸一化
  2.6 小結(jié)
第三章 人工神經(jīng)網(wǎng)絡(luò)特征分析
  3.1 人工神經(jīng)網(wǎng)絡(luò)概述
    3.1.1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及設(shè)計(jì)方法
    3.1.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
    3.1.3 基本人工神經(jīng)元模型
  3.2 感知器模型及算法研究
  3.3 多層前向神經(jīng)網(wǎng)絡(luò)的誤差反向傳播（BP）算法
    3.3.1 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法分析
    3.3.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的幾種改進(jìn)
    3.3.3 影響B(tài)P神經(jīng)網(wǎng)絡(luò)建模的其他因素
  3.4 RBF神經(jīng)網(wǎng)絡(luò)算法
    3.4.1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    3.4.2 RBF網(wǎng)絡(luò)的算法分析
第四章 基于神經(jīng)網(wǎng)絡(luò)的產(chǎn)品質(zhì)量模型
  4.1 逐漸擴(kuò)大訓(xùn)練樣本的BP神經(jīng)網(wǎng)絡(luò)質(zhì)量模型
    4.1.1 基于數(shù)據(jù)集F的BP神經(jīng)網(wǎng)絡(luò)模型
    4.1.2 對(duì)三類(lèi)綱的模型測(cè)試
    4.1.3 輸出變量為ys_rel,ys_rml的質(zhì)量模型
  4.2 二階段混合算法的BKP神經(jīng)網(wǎng)絡(luò)模型
    4.2.1 二階段混合算法
    4.2.2 實(shí)例
  4.3 高維多輸入層神經(jīng)網(wǎng)絡(luò)質(zhì)量模型
    4.3.1 引言
    4.3.2 高維多輸入層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
    4.3.3 高維多輸入層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
    4.3.4 實(shí)例
    4.3.5 結(jié)論
  4.4 RBF神經(jīng)網(wǎng)絡(luò)產(chǎn)品質(zhì)量模型
    4.4.1 引言
    4.4.2 高維RBF神經(jīng)網(wǎng)絡(luò)質(zhì)量模型的建立
  4.5 兩種改進(jìn)結(jié)構(gòu)的RBF神經(jīng)網(wǎng)絡(luò)產(chǎn)品質(zhì)量模型
    4.5.1 分布式RBF網(wǎng)絡(luò)在1580熱聯(lián)軋機(jī)控制中的應(yīng)用
    4.5.2 重疊式RBF網(wǎng)絡(luò)在1580熱聯(lián)軋機(jī)控制中的應(yīng)用
  4.6 基于具體數(shù)據(jù)集的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)研究
  4.7 小結(jié)
第五章 基于模糊神經(jīng)網(wǎng)絡(luò)的產(chǎn)品質(zhì)量模型
第六章 基于多種模型的新產(chǎn)品新工藝設(shè)計(jì)
第七章 基于模糊神經(jīng)網(wǎng)絡(luò)的SAS應(yīng)用軟件
第八章 結(jié)束語(yǔ)
參考文獻(xiàn)