声明
摘要
第1章绪论
1.1研究背景及意义
1.1.1课题研究背景
1.1.2课题研究意义
1.2主要研究内容
1.3组织结构
第2章机器学习及遗传算法简介
2.1机器学习理论
2.1.1机器学习的主要算法
2.1.2统计学习理论
2.2数据挖掘技术
2.2.1数据挖掘技术概述与研究现状
2.2.2数据挖掘一般流程
2.2.3数据特征提取常用方法
2.2.4数据挖掘技术常用工具
2.2.5数据挖掘技术在钢铁行业的应用
2.3遗传算法
2.3.1遗传算法概述
2.3.2遗传算法历史回顾
2.3.3遗传算法基本框架
2.3.4遗传算法参数控制
2.3.5遗传算法的特点
2.3.6遗传算法的应用研究概况
2.4 R语言环境介绍
2.4.1 R语言简介
2.4.2 R语言与统计、计量
2.5本章小结
第3章基于统计学习的中厚板应力分析特征提取及缺陷预测
3.1特征提取理论基础
3.1.1子集选择
3.1.2热图
3.1.3聚类分析
3.1.4 Logistic回归
3.2变量特征提取具体过程一
3.2.1最优子集筛选变量
3.2.2使用热图分类的方法进行相关性分析筛选变量
3.2.3再次使用最优子集筛选变量
3.2.4考虑变量与EVEVT的交互作用
3.2.5最终预测模型的确立与预测结果
3.3变量特征提取过程二
3.3.1向后逐步选择法筛选变量
3.3.2使用热图分类的方法进行相关性分析筛选变量
3.3.3再次使用向后逐步选择法筛选变量
3.3.4最终预测模型的确立与预测结果
3.4本章小结
第4章基于遗传算法的中厚板应力分析特征提取及缺陷预测
4.1遗传算法结构
4.1.1问题描述
4.1.2个体编码与适值计算
4.1.3初始种群
4.1.4交叉算子与变异算子
4.1.5精英保留策略与终止准则
4.2程序结构设计
4.3实验设计与结果分析
4.4本章小结
5.1本文工作总结
5.2未来工作展望
参考文献
致谢
东北大学;