內容簡介
本書以武器裝備全壽命管理過程中的大量數據為研究對象，以數據挖掘方法技術為主線，對武器裝備數據挖掘的理論、方法、算法進行系統的介紹，並以套用案例對其具體實踐進行深入探索。本書注重系統性、突出實用性，既注重對數據挖掘方法的系統介紹，也突出不同挖掘模式在武器裝備全壽命周期管理中的套用，方便讀者系統學習和深刻理解武器裝備全壽命管理過程中的各種數據挖掘技術。
本書面向各類武器裝備管理和研究人員，重點探討武器裝備論證、研製、試驗鑑定、作戰和維修保障等階段的數據挖掘方法和技術。本書可作為高等院校裝備管理、信息管理、數據挖掘等專業本科生、研究生的教材，也可供從事武器裝備管理工作的研究人員使用。
目錄
第1章緒論1
1.1數據挖掘的概念及研究領域1
1.1.1分類方法4
1.1.2聚類方法6
1.1.3文本挖掘7
1.1.4Web挖掘7
1.2數據挖掘的過程模型8
1.2.1知識發現的基本過程分析8
1.2.2數據挖掘的處理過程模型9
1.3基於數據挖掘的武器裝備管理決策分析13
1.3.1武器裝備管理決策分析的任務、層次14
1.3.2數據挖掘在武器裝備管理決策支持中的套用15
1.4本章小結18
第2章武器裝備數據倉庫19
2.1數據倉庫的概念19
2.1.1數據倉庫的產生19
2.1.2數據倉庫的定義20
2.1.3數據倉庫和傳統資料庫的區別21
2.2數據倉庫的數據模型21
2.2.1企業級數據模型22
2.2.2多維數據模型23
2.3數據倉庫的在線上分析處理26
2.3.1在線上分析處理的概念26
2.3.2OLAP與OLTP的區別26
2.3.3OLAP的基本操作27
2.3.4OLAP實現方法分析27
2.3.5數據倉庫與OLAP的關係28
2.4數據倉庫的結構28
2.4.1數據倉庫的體系結構28
2.4.2數據倉庫的數據組織結構29
2.5數據倉庫的設計30
2.5.1數據倉庫的設計原則30
2.5.2數據倉庫的設計過程31
2.6飛參數據倉庫的分析與設計32
2.6.1飛參數據倉庫多維模型的建模難點33
2.6.2飛參數據倉庫主題的確立34
2.6.3飛參數據倉庫多維模型的三級規範化建模34
2.6.4飛參數據倉庫開發平台的選擇37
2.6.5飛參數據規範化與預處理38
2.6.6飛參數據倉庫的數據採集和載入38
2.6.7飛參數據倉庫的維護38
2.7航空維修數據分析系統數據倉庫的設計39
2.7.1航空維修數據分析系統的需求分析39
2.7.2AMDAS數據倉庫的模型設計41
2.7.3粒度和分割設計45
2.7.4ETL系統設計46
2.8本章小結46
第3章武器裝備數據關聯規則挖掘47
3.1關聯規則挖掘基本概念47
3.2Apriori關聯規則挖掘算法49
3.2.1算法基本思路49
3.2.2算法的偽碼錶示50
3.3FP-growth關聯規則挖掘算法56
3.3.1算法基本思想56
3.3.2算法主要步驟及偽碼錶示58
3.3.3算法性能分析60
3.4關聯規則挖掘在飛參記錄事件關聯分析中的套用60
3.4.1飛參數據分析的基本概念61
3.4.2基於關聯規則的飛參記錄事件關聯分析流程62
3.4.3飛參記錄事件關聯挖掘的主要技術問題63
3.5本章小節64
第4章武器裝備數據時間序列相似模式挖掘65
4.1時間序列相似模式挖掘概述65
4.1.1時間序列的定義65
4.1.2時間序列數據挖掘66
4.1.3時間序列相似模式挖掘67
4.2時間序列數據預處理68
4.2.1基於傅立葉變換的信號去噪69
4.2.2基於小波變換的信號去噪70
4.3時間序列的特徵表示75
4.3.1頻域表示75
4.3.2序列分段表示76
4.3.3符號化表示79
4.4時間序列的相似性度量80
4.4.1時間序列的形變80
4.4.2歐氏距離82
4.4.3動態時間彎曲距離83
4.4.4最長公共子串84
4.4.5編輯距離85
4.5時間序列的相似模式搜尋85
4.5.1相似模式搜尋的分類86
4.5.2查詢策略與查詢完備性86
4.5.3空間索引結構88
4.5.4相似序列搜尋流程89
4.5.5後處理中相似性度量的最佳化方法90
4.6飛行數據相似模式挖掘案例92
4.6.1飛行數據相似模式挖掘流程92
4.6.2基於相似模式挖掘的飛行訓練質量評估93
4.7本章小結94
第5章武器裝備數據分類挖掘95
5.1基本概念95
5.2分類挖掘的決策樹方法96
5.2.1ID3算法96
5.2.2C4.5算法101
5.3SLIQ：一種快速可擴展的分類算法107
5.3.1SLIQ算法的基本概念108
5.3.2SLIQ算法的基本原理109
5.3.3算法評價114
5.4SPRINT：一種可擴展的並行分類算法114
5.4.1基本思想114
5.4.2數據結構115
5.4.3具體案例116
5.5貝葉斯分類方法119
5.5.1貝葉斯理論相關知識119
5.5.2樸素貝葉斯分類算法121
5.5.3半樸素貝葉斯分類算法123
5.5.4樹增廣樸素貝葉斯分類算法124
5.6支持向量機分類方法126
5.6.1統計學習理論126
5.6.2支持向量機分類算法129
5.7本章小結131
第6章武器裝備數據聚類挖掘132
6.1聚類分析概述132
6.1.1聚類分析的基本概念132
6.1.2聚類分析中的數據類型133
6.1.3聚類分析算法的基本要求134
6.1.4聚類分析中距離的度量135
6.1.5聚類分析的具體套用137
6.2基於劃分的聚類方法138
6.2.1k-means聚類算法138
6.2.2k-medoids聚類算法140
6.2.3PAM聚類算法141
6.2.4CLARANS聚類算法分析143
6.3基於層次的聚類方法144
6.3.1AGNES聚類算法145
6.3.2CURE聚類算法147
6.3.3Chameleon聚類算法148
6.3.4BIRCH聚類算法148
6.4基於密度的聚類方法150
6.4.1DBSCAN聚類算法150
6.4.2OPTICS聚類算法153
6.4.3DENCLUE聚類算法153
6.5基於格線的聚類方法154
6.5.1STING聚類算法154
6.5.2WAVE-CLUSTER聚類算法155
6.5.3CLIQUE聚類算法156
6.6基於模型的聚類方法157
6.7無人作戰飛機任務規劃中目標聚類分析案例159
6.7.1模糊聚類分析的基本概念160
6.7.2模糊C均值聚類算法160
6.7.3基於FCM的UCAV群目標聚類分析162
6.8本章小結163
第7章文本與Web挖掘164
7.1文本挖掘的常見模式及方法164
7.1.1文本挖掘的過程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文本分類及常見分類算法168
7.2.1文本分類步驟169
7.2.2k最近鄰文本分類算法171
7.2.3基於VSM的向量距離文本分類算法171
7.3Web挖掘的常見模式及方法172
7.3.1Web挖掘的常見模式172
7.3.2Web挖掘的常用方法175
7.3.3基於Web日誌的使用挖掘176
7.4Web挖掘中的PageRank和HITS算法180
7.4.1網頁排序的PageRank算法180
7.4.2網頁排序的HITS算法181
7.5基於文本挖掘的情報分類系統實現案例182
7.6本章小結184
第8章複雜類型軍事數據挖掘185
8.1空間數據挖掘185
8.1.1空間數據與空間資料庫185
8.1.2空間數據挖掘概念和體系結構185
8.1.3常見空間數據挖掘方法187
8.2多媒體數據挖掘189
8.2.1多媒體數據挖掘模型189
8.2.2圖像數據挖掘190
8.2.3音頻數據挖掘192
8.2.4視頻數據挖掘192
8.3流數據挖掘192
8.3.1流數據的定義及特點193
8.3.2流數據挖掘的常見模式193
8.4本章小結194
參考文獻195
"
