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