文摘
英文文摘
声明及关于学位论文使用授权的说明
第一章引言
1.1 KDD技术与应用研究现状
1.2我国感光材料领域数据分析现状
1.3选题背景和意义
1.4课题的研究内容
第二章感光材料领域数据特点和KDD技术比较
2.1感光材料领域数据特点
2.2 KDD技术比较
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
2.2.4其他数据挖掘工具
2.3 KDD技术在感光材料数据分析应用中的选择
第三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数据预处理
第四章感光材料专家系统体系结构
4.1专家系统概述
4.2感光材料数据分析专家系统的构造环境
4.3感光材料数据分析专家系统结构
4.3.1 KDD辅助感光材料数据分析模型
4.3.2感光材料数据分析专家系统结构
4.3.3感光材料数据分析专家系统硬件环境
4.3.4感光材料数据分析专家系统软件结构
4.4感光材料数据分析专家系统的知识获取
4.4.1知识获取的概念和过程
4.4.2感光材料领域的知识获取
第五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知识搜索技术
5.6感光材料数据分析推理控制策略
5.6.1基于事例的推理控制策略
5.6.2基于神经网络的知识推理的控制策略
第六章ANNs在感光材料数据分析中的应用
6.1 ANNs技术与算法
6.1.1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
6.1.4 BP网络神经元的数学模型
6.2应用BP算法进行彩色胶卷乳剂数据分析
6.2.1 GBR100彩色胶卷乳剂数据
6.2.2 GBR100彩色胶卷乳剂数据BP网络模型
6.2.3 BP算法的选择和实现
6.2.4神经网络知识模型的物理表示
6.2.5 BP神经网络模型的训练
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网络的最近距离数据分析技术
6.3.4基于BP网络的最近距离数据分析技术应用
6.4感光材料数据分析原型系统
6.4.1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
第七章结束语
参考文献
致谢
在学期间发表的学术论文和参加科研情况
华北电力大学;
华北电力大学(保定);