KDD在感光材料数据分析系统中的应用研究

论文摘要

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。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。

论文目录

• 中文摘要
• ABSTRACT
• 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技术分析比较
• 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
• 6.2.58 P 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