(特价书)数据挖掘在冶金产品质量控制中的应用 [平装] 9787118035070

《数据挖掘在冶金产品质量控制中的应用》是系统介绍数据控制在冶金产品质量控制方面的专著，内容包括冶金产品质量数据的挖掘过程框架、数据集市、人工神经网络的特征、人工神经网络质量模型、模糊神经网络质量模型、基于多种产品模型的新产品新工艺设计、基于模糊神经网络的产品质量控制软件及上述诸方面的应用实例。 《数据挖掘在冶金产品质量控制中的应用》可供高等院校自动控制、计算机、过程控制、管理科学与工程等专业的研究生、教师以及从事生产过程控制和管理的科技人员阅读。 《数据挖掘在冶金产品质量控制中的应用》由国防工业出版社出版。 邢进生（男，1964- ），山西太原市人，汉族，2001年3月至今在西安交通大学管理科学与工程博士后工作站，从师汪应洛院士进行数据挖掘的研究，1985年7月在山西师范大学获数学专业学士学位；1997年2月到20000年11月在西安交通大学电信工程学院从师万百五教授获计算机控制专业工学博士学位；2002年12月至2001年2月以访问学者身份工作于英国eading Uni-versity计算机系；2001年3月至今在西安交通大学管理科学与工程博士后工作站，从师汪应洛院士进行数据挖掘的研究工作。著有《数据挖掘在冶金产品质量控制中的应用》一书 。 第一章 引论 1.1 数据挖掘技术及其研究现状 1.1.1 知识获取与数据挖掘技术 1.1.2 数据挖掘研究与应用的现状 1.2 数据挖掘的对象 1.2.1 数据库 1.2.2 数据仓库 1.2.3 文本 1.2.4 Web信息 1.2.5 空间数据 1.3 数据挖掘的主要技术 1.4 数据挖掘过程及结果解释 1.5 数据挖掘建模设计方案 1.5.1 通用的数据挖掘框架 1.5.2 建模设计方案的基本框架 1.5.3 方案实施的系统环境 1.6 冶金产品质量控制问题分析 1.7 本书的主要工作 第二章 冶金产品质量数据集市的构建 2.1 数据仓库和数据集市 2.1.1 数据仓库概述 2.1.2 数据集市 2.2 热轧产品质量数据集市的建立 2.2.1 热轧数据的现状 2.2.2 热轧数据集市的实现 2.3 数据预处理 2.4 确定建模数据的输入输出变量 2.5 建模数据的筛选与归一化 2.5.1 建模数据的筛选 2.5.2 建模数据的归一化 2.6 小结 第三章 人工神经网络特征分析 3.1 人工神经网络概述 3.1.1 神经网络的结构及设计方法 3.1.2 神经网络的学习方法 3.1.3 基本人工神经元模型 3.2 感知器模型及算法研究 3.3 多层前向神经网络的误差反向传播（BP）算法 3.3.1 BP神经网络学习方法分析 3.3.2 BP神经网络学习方法的几种改进 3.3.3 影响BP神经网络建模的其他因素 3.4 RBF神经网络算法 3.4.1 RBF神经网络结构 3.4.2 RBF网络的算法分析 第四章 基于神经网络的产品质量模型 4.1 逐渐扩大训练样本的BP神经网络质量模型 4.1.1 基于数据集F的BP神经网络模型 4.1.2 对三类纲的模型测试 4.1.3 输出变量为ys_rel,ys_rml的质量模型 4.2 二阶段混合算法的BKP神经网络模型 4.2.1 二阶段混合算法 4.2.2 实例 4.3 高维多输入层神经网络质量模型 4.3.1 引言 4.3.2 高维多输入层神经网络的结构 4.3.3 高维多输入层神经网络的学习算法 4.3.4 实例 4.3.5 结论 4.4 RBF神经网络产品质量模型 4.4.1 引言 4.4.2 高维RBF神经网络质量模型的建立 4.5 两种改进结构的RBF神经网络产品质量模型 4.5.1 分布式RBF网络在1580热联轧机控制中的应用 4.5.2 重叠式RBF网络在1580热联轧机控制中的应用 4.6 基于具体数据集的BP神经网络结构研究 4.7 小结 第五章 基于模糊神经网络的产品质量模型 第六章 基于多种模型的新产品新工艺设计 第七章 基于模糊神经网络的SAS应用软件 第八章 结束语 参考文献 版权页： 插图： 一般认为，RBF网络中所用的非线性基函数的形式对网络的性能影响不是至关重要的。关键因素是基函数中心的选取。RBF网络的基函数中心必需能够覆盖整个输入空间，反映数据的空间分布。RBF网络的各种算法也主要区别于中心的选择。RBF网络总共有四大类算法。 第一类算法是固定网络隐层神经元的个数和神经元的中心，输出层采用最小二乘算法或递推最小二乘算法去计算输出层权系、数。这种算法通常用于输入空间范围已知的情况，比较常用的是低维输入函数的拟合问题（简称低维问题）。在这种问题的RBF网络建模时，根据已知的输入空间的范围，每隔一定的距离放置一个神经元，使神经元均匀地覆盖整个输入空间，再根据这个距离确定神经元的相互重叠程度。通过这种方法确定RBF网络的基本结构，再利用最小二乘方法确定输出层权系数，从而实现输入到输出的映射关系。这种事先固定网络结构的方法的主要优点是程序简单，易于实现。但它要么使用的神经元较多，这种情况下神经元之间的耦合比较严重；要么使用的神经元较少，这种情况下神经元不能覆盖整个输入区域，对某些输入难以作出正确的响应。这两个问题的存在都使得这种网络难以达到较高的精度，所以这种网络只适用于一些精度不高的场合。 第二类算法是刚开始并不确定网络的结构，而是在程序运行过程中根据输入输出的数据值动态地生成网络中间隐层节点，在动态地确定网络的结构后再根据最小二乘方法确定输出层权系数，从而实现输入到输出的映射关系。这里最关键的是动态生成网络隐层节点的方法。

ISBN	9787118035070
出版社	国防工业出版社
作者	邢进生
尺寸	32