基于数据挖掘技术的彩色胶卷乳剂性能分析系统实现

摘要

数据挖掘，也称为数据库中的知识发现，是从大量数据中提取可信、新颖、有效并能被人理解的模式的高级处理工程，是数据库技术、人工智能、机器学习、统计分析、模糊逻辑、模式识别、人工神经网络等多个学科相结合的产物。数据挖掘是一个新兴的边缘学科，随着计算机科学与技术的发展，其应用领域越来越广泛，并具有良好的应用前景。 在感光材料研究和生产领域，国内关于KDD应用方面的研究还很少，而且大都集中于传统的统计分析方法。在国内，目前尚未发现有关人工神经元网络等KDD技术在辅助感光材料科研和生产数据分析的研究和应用成果的报道。应用KDD技术进行数据分析，对于提高感光材料企业数据分析水平和生产效率具有积极意义。 本文从基于数据库的知识发现开始，较系统全面地介绍了KDD、数据挖掘的基本概念。根据感光材料领域数据和知识特点，对常用的KDD技术进行了分析比较。研究了感光材料数据分析专家系统体系结构，提出了适用的知识表示技术。BP算法是多层前向神经网络中应用最为广泛的一种算法，基于BP神经网络技术，设计开发了感光材料数据分析原型系统，利用该系统对GBR100彩色胶卷乳剂生产数据进行分析，得到了三个映射乳剂数据相关性的BP网络知识模型。提出了一种基于BP神经网络的最近距离数据分析技术，在实际应用中验证了这种方法的有效性。

目录

文摘

英文文摘

声明

第1章绪论

1.1数据挖掘技术发展与研究现状

1.2我国感光材料领域数据分析现状

1.3选题背景

1.4课题的研究价值

1.5小结

第2章感光材料领域数据特点、KDD技术介绍

2.1感光材料领域数据特点

2.2 KDD技术介绍

2.2.1数据挖掘技术的比较与分析

2.2.2统计类数据挖掘技术

2.2.3知识类数据挖掘工具

2.3 KDD技术在感光材料数据分析应用中的选择

2.4小结

第3章感光材料数据预处理

3.1感光材料数据库的建立

3.2数据的关联

3.3数据的预处理

3.4小结

第4章感光材料专家系统体系结构

4.1感光材料数据分析专家系统结构

4.1.1 KDD辅助感光材料数据分析模型

4.1.2感光材料数据分析专家系统结构

4.2感光材料数据分析专家系统的构造环境

4.2.1感光材料数据分析专家系统硬件环境

4.2.2感光材料数据分析专家系统软件结构

4.3感光材料数据分析专家系统的知识获取

4.3.1知识获取的概念和过程

4.3.2感光材料领域的知识获取

4.4小结

第5章感光材料数据分析知识表示

5.1知识及其表示

5.2感光材料数据分析领域知识

5.2.1乳剂质量分析树

5.2.2感光材料数据分析知识特性

5.3感光材料数据分析知识表示方法

5.3.1规则和框架方式表示专家经验知识

5.3.2数据相关神经网络模型知识表示

5.3.3基于框架的感光材料知识表示

5.4感光材料数据分析知识库

5.5小结

第6章KDD在感光材料乳剂性能分析实现

6.1 ANNs技术与算法

6.1.1ANNs(人工神经网络)概述

6.1.2典型神经网络模型

6.1.3反向传播学习的BP神经网络模型

6.1.4BP网络神经元的数学模型

6.2基于数据挖掘技术BP算法对彩色胶卷乳剂数据分析

6.2.1 GBR100彩色胶卷乳剂数据处理

6.2.2 GBR100彩色胶卷乳剂数据BP网络模型

6.2.3乳剂性能分析BP算法的选择和实现

6.2.4利用BP神经网络模型对彩色胶卷乳剂最小密度进行分析

6.2.5采用文本方式保存神经网络模型

6.2.6利用BP算法分析彩色胶卷乳剂感光度S和反差R

6.3基于BP网络的最近距离数据分析技术

6.3.1基于BP网络的过程因素影响向量

6.3.2样本BP网络距离

6.3.3基于BP网络的最近距离分析流程

6.3.4基于BP网络的最近距离彩色胶卷乳剂数据分析技术

6.3.5试验结论

6.4感光材料数据分析原型系统介绍

6.4.1感光材料数据分析原型系统的功能

6.4.2模型训练和模型检验

6.4.3原型系统的使用

6.4.4原型系统的应用及下一步的工作

6.5小结

结论

参考文献

致谢