第1章 概述
1.1 任务目的
1.1.1 基于精度试验数据挖掘的目标艇供靶航向影响分析案例
1.1.2 影响雷达测量精度的指标参数分析案例
1.1.3 装备试验数据挖掘目的
1.2 基本概念
1.3 试验数据挖掘的方法
1.3.1 基本统计挖掘方法
1.3.2 多元统计挖掘方法
1.3.3 高级数据挖掘方法
1.4 数据挖掘的基本流程
1.5 若干问题的讨论
1.6 本章小结
第2章 试验数据预处理
2.1 试验异常数据识别剔除与重构
2.1.1 外推拟合法
2.1.2 M估计法
2.1.3 连续多点异常值识别方法
2.2 试验数据随机误差分析
2.2.1 平稳性检验
2.2.2 正态性检验
2.2.3 周期性检验
2.2.4 相关性检验
2.3 数据平滑滤波
2.3.1 中心平滑滤波
2.3.2 中心序列平滑滤波法
2.3.3 卡尔曼滤波法
2.4 数据变换与数据离散化
2.4.1 数据变换
2.4.2 数据离散化
2.5 本章小结
第3章 基本统计挖掘方法
3.1 方差分析
3.1.1 单因素方差分析
3.1.2 单因素方差分析在雷达精度试验中的应用
3.1.3 双因素方差分析
3.1.4 双因素方差分析在雷达精度试验中的应用
3.2 主成分分析
3.2.1 主成分模型
3.2.2 分析步骤
3.2.3 主成分分析在权重确定中的应用
3.3 因子分析
3.3.1 因子分析模型
3.3.2 分析步骤
3.3.3 因子分析在雷达误差原因分析中的应用
3.4 本章小结
第4章 关联规则挖掘
4.1 关联规则简介
4.1.1 基本概念
4.1.2 举例
4.1.3 关联规则分类
4.2 Apriori算法
4.2.1 算法原理
4.2.2 算法举例
4.2.3 Apriori算法改进
4.3 FP-growth算法
4.3.1 算法原理
4.3.2 算法举例
4.4 高级模式挖掘技术
4.4.1 多层关联规则挖掘
4.4.2 多维关联规则挖掘
4.4.3 定量关联规则挖掘
4.5 关联规则在雷达抗干扰试验中的应用
4.5.1 背景介绍
4.5.2 试验数据挖掘处理
4.5.3 雷达抗干扰效果分析
4.6 本章小结
第5章 分类判别分析
5.1 分类判别基本知识
5.2 决策树
5.2.1 基本原理
5.2.2 属性测试条件
5.2.3 树枝修剪
5.2.4 案例分析
5.3 支持向量机
5.3.1 基本原理
5.3.2 线性支持向量机：不可分的情况
5.3.3 非线性支持向量机和核函数
5.3.4 基本步骤
5.3.5 案例分析
5.4 人工神经网络
5.4.1 基本原理
5.4.2 BP网络的标准学习算法基本步骤
5.4.3 案例分析
5.5 朴素贝叶斯
5.5.1 贝叶斯定理
5.5.2 朴素贝叶斯分类基本步骤
5.5.3 案例分析
5.6 逻辑回归
5.6.1 基本原理
5.6.2 基本步骤
5.6.3 案例分析
5.7 K近邻
5.7.1 K近邻简介
5.7.2 算法原理
5.7.3 案例分析
5.8 本章小结
第6章 聚类分析
6.1 传统聚类分析
6.1.1 传统聚类分析算法
6.1.2 基于K-means聚类方法的装备能力指标分类应用
6.2 灰色聚类分析
6.2.1 灰关联聚类
6.2.2 灰色面积变权聚类
6.2.3 灰关联熵权聚类
6.2.4 灰色聚类评估应用
6.3 谱聚类分析
6.3.1 谱聚类图的构造
6.3.2 谱聚类原理
6.3.3 遥测振动信号的谱聚类
6.4 本章小结
第7章 预测分析
7.1 回归分析
7.1.1 一元线性回归
7.1.2 一元非线性回归
7.1.3 多元线性回归
7.1.4 案例分析
7.2 灰色GM(1,1)建模与预测
7.2.1 GM(1,1)模型概述
7.2.2 GM(1,1)模型参数估计
7.2.3 GM(1,1)模型的拟合精度
7.2.4 基于GM(1,1)的目标GPS航路模拟预测
7.3 高斯过程回归的预测方法
7.3.1 高斯过程回归的预测模型
7.3.2 核函数的训练
7.3.3 基于高斯过程回归的时间序列预测
7.3.4 案例分析
7.4 本章小结
第8章 试验数据管理与服务
8.1 试验数据管理与服务相关知识
8.1.1 试验数据的生命周期
8.1.2 试验数据的分类
8.1.3 数据组织与管理
8.1.4 试验数据系统的建设原则
8.2 试验数据规划
8.2.1 信息资源规划理论
8.2.2 试验数据规划的实施
8.2.3 试验数据规划的系统建模示例
8.3 试验数据模型设计
8.3.1 数据模型设计方法
8.3.2 数据模型设计流程
8.3.3 试验数据模型设计示例
8.4 试验数据管理与服务系统建设
8.4.1 管理平台系统设计
8.4.2 试验数据管理
8.4.3 数据共享服务
8.5 本章小结
参考文献
展开
