●第1章 大數據概述
1.1 什麼是大數據
1.1.1 大數據的定義及特征
1.1.2 大數據結構類型
1.1.3 大數據實例
1.2 大數據發展歷程
1.3 大數據分析
1.4 可靠性工程中的數據分析
1.5 相關技術及工具
1.5.1 Hadoop介紹
1.5.2 R軟件介紹
1.5.3 AMPL/CPLEX軟件介紹
1.5.4 Clementine介紹
1.5.5 其他大數據處理工具
第2章 大數據與數據挖掘
2.1 數據管理與數據倉庫
2.1.1 數據、信息和知識
2.1.2 數據爆炸
2.1.3 數據倉庫
2.1.4 雲計算與雲存儲
2.2 數據挖掘概述
2.2.1 數據挖掘的歷史、功能和目的
2.2.2 數據挖掘的內涵和基本特征
2.2.3 數據挖掘與統計學
2.2.4 數據挖掘的一般過程
2.3 基於數據挖掘的模式識別
2.3.1 探索性數據分析
2.3.2 數據挖掘與機器學習
2.3.3 數據挖掘與智能決策
2.3.4 數據挖掘與神經網絡
2.4 大數據條件下的數據挖掘技術的近期新前沿研究
2.4.1 數據挖掘的可視化
2.4.2 基於雲技術的數據挖掘
2.4.3 語音數據挖掘
2.4.4 圖像數據挖掘
2.4.5 文本數據挖掘
第3章 大數據在可靠性工程中的應用
3.1 傳統數據分析方法
3.1.1 基於概率統計的分析方法
3.1.2 基於時間維度的分析方法
3.1.3 基於失效物理的分析方法
3.1.4 傳統分析方法的優勢與局限
3.2 大數據分析的特點
3.2.1 數據全體VS數據樣本
3.2.2 非結構化數據vs結構化數據
3.2.3 關聯分析VS因果分析
3.3 大數據分析揭示故障規律
3.3.1 可靠性工程中的數據
3.3.2 故障激發因素的復雜性
3.3.3 可靠性工程大數據分析前景
第4章 故障的關聯規則分析
4.1 關聯規則的基本知識
4.1.1 關聯規則的定義、相關概念與一般過程
4.1.2 頻繁模式發現
4.1.3 Apriori相關算法
4.1.4 FP-growth算法
4.1.5 應用及案例
4.2 動態關聯規則挖掘
4.2.1 問題描述及需求
4.2.2 動態關聯規則新定義
4.2.3 動態關聯規則挖掘算法
4.2.4 動態決策規則
4.3 基於相關興趣度的關聯規則挖掘
……
第5章 故障/健康監控的時間序列模式分析
第6章 基於故障多狀態集的序列模式挖掘
第7章 故障信息聚類分析
第8章 基於粗糙集理論的故障因素分析
第9章 因子分析及回歸分析
第10章 高維數據回歸預測分析
第11章 可靠性工程中的非參數統計
參考文獻
全書共分11章。第1章大數據概述,對大數據的特征、發展歷程,與可靠性工程中對數據分析的需求進行了描述;第2章大數據與數據挖掘,介紹了數據挖掘技術,及大數據條件下數據挖掘技術的新前沿研究:第3章大數據在可靠性工程中的應用,介紹了傳統數據分析方法在可靠性工程中的運用,與大數據分析方法在可靠性工程中的應用前景:第4章故障的關聯規則分析方法,介紹如何利用關聯規則挖掘故障與故障、故障與故障征兆之間的關聯關繫:第5章故障/健康監控的時間序列模式分析方法,利用時序特性分析方法,揭示產品故障的時間序列特性:第6章基於故障多狀態集的序列模式挖掘,針對故障多態的特性,提出多狀態集序列模式挖掘方法;第7章故障信息聚類分析,利用聚類分析的基本思想,開展故障分類研究:第8章基於粗糙集理論的故障因素分析方法,介紹了利用粗糙集模型對數據集中的缺失數據、噪聲數據和錯誤數據的處理:第9章經典因子分析和回歸分析方法,介紹了多等