本书以武器装备全寿命管理过程中的大量数据为研究对象,以数据挖掘方法技术为主线,对武器装备数据挖掘的理论、方法、算法进行系统的介绍,并以应用案例对其具体实践进行深入探索。本书注重系统性、突出实用性,既注重对数据挖掘方法的系统介绍,也突出不同挖掘模式在武器装备全寿命周期管理中的应用,方便读者系统学习和深刻理解武器装备全寿命管理过程中的各种数据挖掘技术。本书面向各类武器装备管理和研究人员,重点探讨武器装备
论证、研制、试验鉴定、作战和维修保障等阶段的数据挖掘方法和技术。本书可作为高等院校装备管理、信息管理、数据挖掘等专业本科生、研究生的教材,也可供从事武器装备管理工作的研究人员使用。
全部显示 ∨
全部显示 ∨
前言0
第1章 绪论11.1 数据挖掘的概念及研究领域11.1.1 分类方法4
1.1.2 聚类方法6
1.1.3 文本挖掘7
1.1.4 Web挖掘7
1.2 数据挖掘的过程模型81.2.1 知识发现的基本过程分析8
1.2.2 数据挖掘的处理过程模型9
1.3 基于数据挖掘的武器装备管理决策分析131.3.1 武器装备管理决策分析的任务、层次14
1.3.2 数据挖掘在武器装备管理决策支持中的应用15
1.4 本章小结18
第2章 武器装备数据仓库192.1 数据仓库的概念192.1.1 数据仓库的产生19
2.1.2 数据仓库的定义20
2.1.3 数据仓库和传统数据库的区别21
2.2 数据仓库的数据模型212.2.1 企业级数据模型22
2.2.2 多维数据模型23
2.3 数据仓库的联机分析处理262.3.1 联机分析处理的概念26
2.3.2 OLAP与OLTP的区别26
2.3.3 OLAP的基本操作27
2.3.4 OLAP实现方法分析27
2.3.5 数据仓库与OLAP的关系28
2.4 数据仓库的结构282.4.1 数据仓库的体系结构28
2.4.2 数据仓库的数据组织结构29
2.5 数据仓库的设计302.5.1 数据仓库的设计原则30
2.5.2 数据仓库的设计过程31
2.6 飞参数据仓库的分析与设计322.6.1 飞参数据仓库多维模型的建模难点33
2.6.2 飞参数据仓库主题的确立34
2.6.3 飞参数据仓库多维模型的三级规范化建模34
2.6.4 飞参数据仓库开发平台的选择37
2.6.5 飞参数据规范化与预处理38
2.6.6 飞参数据仓库的数据采集和加载38
2.6.7 飞参数据仓库的维护38
2.7 航空维修数据分析系统数据仓库的设计392.7.1 航空维修数据分析系统的需求分析39
2.7.2 AMDAS数据仓库的模型设计41
2.7.3 粒度和分割设计45
2.7.4 ETL系统设计46
2.8 本章小结46
第3章 武器装备数据关联规则挖掘473.1 关联规则挖掘基本概念47
3.2 Apriori关联规则挖掘算法493.2.1 算法基本思路49
3.2.2 算法的伪码表示50
3.3 FP-growth关联规则挖掘算法563.3.1 算法基本思想56
3.3.2 算法主要步骤及伪码表示58
3.3.3 算法性能分析60
3.4 关联规则挖掘在飞参记录事件关联分析中的应用603.4.1 飞参数据分析的基本概念61
3.4.2 基于关联规则的飞参记录事件关联分析流程62
3.4.3 飞参记录事件关联挖掘的主要技术问题63
3.5 本章小节64
第4章 武器装备数据时间序列相似模式挖掘654.1 时间序列相似模式挖掘概述654.1.1 时间序列的定义65
4.1.2 时间序列数据挖掘66
4.1.3 时间序列相似模式挖掘67
4.2 时间序列数据预处理684.2.1 基于傅里叶变换的信号去噪69
4.2.2 基于小波变换的信号去噪70
4.3 时间序列的特征表示754.3.1 频域表示75
4.3.2 序列分段表示76
4.3.3 符号化表示79
4.4 时间序列的相似性度量804.4.1 时间序列的形变80
4.4.2 欧氏距离82
4.4.3 动态时间弯曲距离83
4.4.4 最长公共子串84
4.4.5 编辑距离85
4.5 时间序列的相似模式搜索854.5.1 相似模式搜索的分类86
4.5.2 查询策略与查询完备性86
4.5.3 空间索引结构88
4.5.4 相似序列搜索流程89
4.5.5 后处理中相似性度量的优化方法90
4.6 飞行数据相似模式挖掘案例924.6.1 飞行数据相似模式挖掘流程92
4.6.2 基于相似模式挖掘的飞行训练质量评估93
4.7 本章小结94
第5章 武器装备数据分类挖掘955.1 基本概念95
5.2 分类挖掘的决策树方法965.2.1 ID3算法96
5.2.2 C4.5算法101
5.3 SLIQ:一种快速可扩展的分类算法1075.3.1 SLIQ算法的基本概念108
5.3.2 SLIQ算法的基本原理109
5.3.3 算法评价114
5.4 SPRINT:一种可扩展的并行分类算法1145.4.1 基本思想114
5.4.2 数据结构115
5.4.3 具体案例116
5.5 贝叶斯分类方法1195.5.1 贝叶斯理论相关知识119
5.5.2 朴素贝叶斯分类算法121
5.5.3 半朴素贝叶斯分类算法123
5.5.4 树增广朴素贝叶斯分类算法124
5.6 支持向量机分类方法1265.6.1 统计学习理论126
5.6.2 支持向量机分类算法129
5.7 本章小结131
第6章 武器装备数据聚类挖掘1326.1 聚类分析概述1326.1.1 聚类分析的基本概念132
6.1.2 聚类分析中的数据类型133
6.1.3 聚类分析算法的基本要求134
6.1.4 聚类分析中距离的度量135
6.1.5 聚类分析的具体应用137
6.2 基于划分的聚类方法1386.2.1 k-means聚类算法138
6.2.2 k-medoids聚类算法140
6.2.3 PAM聚类算法141
6.2.4 CLARANS聚类算法分析143
6.3 基于层次的聚类方法1446.3.1 AGNES聚类算法145
6.3.2 CURE聚类算法147
6.3.3 Chameleon聚类算法148
6.3.4 BIRCH聚类算法148
6.4 基于密度的聚类方法1506.4.1 DBSCAN聚类算法150
6.4.2 OPTICS聚类算法153
6.4.3 DENCLUE聚类算法153
6.5 基于网格的聚类方法1546.5.1 STING聚类算法154
6.5.2 WAVE-CLUSTER聚类算法155
6.5.3 CLIQUE聚类算法156
6.6 基于模型的聚类方法157
6.7 无人作战飞机任务规划中目标聚类分析案例1596.7.1 模糊聚类分析的基本概念160
6.7.2 模糊C均值聚类算法160
6.7.3 基于FCM的UCAV群目标聚类分析162
6.8 本章小结163
第7章 文本与Web挖掘1647.1 文本挖掘的常见模式及方法1647.1.1 文本挖掘的过程164
7.1.2 文本的表示模型165
7.1.3 文本挖掘的方法167
7.2 文本分类及常见分类算法1687.2.1 文本分类步骤169
7.2.2 k-最近邻文本分类算法171
7.2.3 基于VSM的向量距离文本分类算法171
7.3 Web挖掘的常见模式及方法1727.3.1 Web挖掘的常见模式172
7.3.2 Web挖掘的常用方法175
7.3.3 基于Web日志的使用挖掘176
7.4 Web挖掘中的PageRank和HITS算法1807.4.1 网页排序的PageRank算法180
7.4.2 网页排序的HITS算法181
7.5 基于文本挖掘的情报分类系统实现案例182
7.6 本章小结184
第8章 复杂类型军事数据挖掘1858.1 空间数据挖掘1858.1.1 空间数据与空间数据库185
8.1.2 空间数据挖掘概念和体系结构185
8.1.3 常见空间数据挖掘方法187
8.2 多媒体数据挖掘1898.2.1 多媒体数据挖掘模型189
8.2.2 图像数据挖掘190
8.2.3 音频数据挖掘192
8.2.4 视频数据挖掘192
8.3 流数据挖掘1928.3.1 流数据的定义及特点193
8.3.2 流数据挖掘的常见模式193
8.4 本章小结194
参考文献195