| 【中文题名】 | 数据挖掘及其在机车质量控制系统中的应用研究 |
| 【英文题名】 | The Rsearch on the Application of Data Mining in the Locomotive Quality Control System |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-3-5 |
| 【中关键词】 | 数据挖掘,数据仓库,决策树,SQL,Server,OLAP |
| 【英关键词】 | data mining,data warehouse,decision tree,SQL Server,QLAP,locomotive quality control system, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机软件>程序设计、软件工程>程序设计 |
| 【论文摘要】 | 随着市场竞争的日趋激烈，信息对于企业的生存和发展起着越来越重要的作用，同时也要求高层管理者做出迅速而明智的决策。90年代中期出现了三项支持决策新技术：数据仓库、联机分析处理和数据挖掘，它们的结合形成了DSS(决策支持系统)发展的最新形式——综合决策支持系统，这些技术可以完成从信息到知识的转变。
本文以2003年度铁道部科技开发项目(编号：2003J036)“机车质量控制及检修管理系统的开发与应用”[以下简称“机车质量控制系统”]为应用实例，选用SQL Server 2000作为数据仓库和数据挖掘的开发工具。通过消化数据挖掘技术、可视化数据挖掘技术、OLAP以及数据仓库的基本原理，并对SQL Server 2000中决策树、聚类分析的数据挖掘算法作了重点分析，在对机车质量控制系统中的数据进行了初步分析基础上，对涉及的多个数据库进行了集成与转换，给出了用于决策支持的数据仓库的详细设计过程和步骤。最后，以轴承温度诊断数据仓库为例，对其进行了基本的数据挖掘和挖掘描述。
数据挖掘技术在机车质量控制系统领域的应用还刚刚起步，铁路机车质量控制系统的DSS具有广阔的发展前景。本文的研究工作表明... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
第1章 绪论 |
8-13 |
|
1.1 本研究课题的来源 |
8-10 |
|
1.2 本课题的学术背景及理论与实际意义 |
10 |
|
1.3 国内外研究状况及文献综述 |
10-12 |
|
1.4 本文主要的研究内容 |
12-13 |
|
第2章 数据挖掘技术概述 |
13-20 |
|
2.1 数据挖掘的定义、特点和研究内容 |
13-14 |
|
2.2 数据挖掘的算法 |
14-17 |
|
2.3 数据挖掘的基本过程 |
17 |
|
2.4 数据挖掘组成部分 |
17-18 |
|
2.5 数据挖掘的任务 |
18-19 |
|
2.6 数据挖掘技术的未来发展 |
19-20 |
|
第3章 机车质最控制系统的数据挖掘框架 |
20-32 |
|
3.1 系统结构及功能模块 |
20-24 |
|
3.1.1 系统总体结构 |
20-21 |
|
3.1.2 系统硬件组成 |
21 |
|
3.1.3 兰西机务段机车质量控制系统管理模块 |
21-24 |
|
3.2 机车质量控制系统_综合分析处理系统功能菜单 |
24-28 |
|
3.2.1 各级菜单功能 |
24-26 |
|
3.2.2 系统数据库及主要数据表 |
26-28 |
|
3.3 机车质量控制系统数据挖掘的总体框架 |
28-32 |
|
3.3.1 系统运用数据挖掘的可能性 |
28 |
|
3.3.2 系统中数据挖掘的研究意义 |
28 |
|
3.3.3 系统中数据挖掘的主要内容 |
28-29 |
|
3.3.4 系统中数据挖掘的模型 |
29 |
|
3.3.5 系统中数据挖掘过程 |
29-32 |
|
第4章 机车质量控制系统中数据仓库构建技术 |
32-43 |
|
4.1 数据仓库的体系结构 |
32-33 |
|
4.2 ETL基本概念 |
33-34 |
|
4.3 数据仓库中的关键名词 |
34-36 |
|
4.4 多维数据模型 |
36-37 |
|
4.5 SQL Server数据仓库构建及访问工具 |
37-40 |
|
4.5.1 SQL Server数据仓库工具 |
37-39 |
|
4.5.2 SQL Server数据仓库工具的使用 |
39-40 |
|
4.5.3 SQL Server数据仓库的访问 |
40 |
|
4.6 SQL Server中数据仓库解决方案 |
40-41 |
|
4.7 构建机车质量控制系统数据仓库方法 |
41-43 |
|
第5章 机车质量控制系统中数据挖掘算法研究 |
43-49 |
|
5.1 基于SQL Server 2000的数据挖掘技术 |
43-44 |
|
5.2 SQL Server 2000中决策树和聚类分析算法原理 |
44-47 |
|
5.2.1 决策树算法 |
44-45 |
|
5.2.2 聚类分析算法 |
45-47 |
|
5.3 基于Analysis Service机车质量控制系统数据挖掘解决方案 |
47-49 |
|
第6章 机车质量控制系统的数据挖掘实例分析 |
49-63 |
|
6.1 轴承温度诊断数据仓库架构设计 |
49-51 |
|
6.1.1 事实表设计 |
49-50 |
|
6.1.2 维度表设计 |
50 |
|
6.1.3 数据仓库架构设计 |
50-51 |
|
6.2 事实表与维度表的数据转换过程 |
51-55 |
|
6.2.1 DTS数据转换工具 |
51-52 |
|
6.2.2 数据转换具体过程 |
52-55 |
|
6.3 Analysis Services中多维数据集设计 |
55-58 |
|
6.3.1 Analysis Services的配置 |
56 |
|
6.3.2 创建维度 |
56-57 |
|
6.3.3 创建多维数据集 |
57 |
|
6.3.4 多维数据集的具体实现 |
57-58 |
|
6.4 数据挖掘预测算法的实现 |
58-63 |
|
6.4.1 使用Microsoft决策树创建关系型数据挖掘模型 |
59-60 |
|
6.4.2 使用Microsoft决策树创建OLAP型数据挖掘模型 |
60-61 |
|
6.4.3 使用Microsoft聚类创建OLAP型数据挖掘型 |
61-62 |
|
6.4.4 3种挖掘结果的结论 |
62-63 |
|
结论 |
63-65 |
|
致谢 |
65-66 |
|
参考文献 |
66-72 |
|
攻读硕士学位期间发表的论文及科研成果 |
72 |
|
| 【DOI】 | LunWen.ID:2.2008.381924 |
