试验鉴定数据工程

本书共10章，具体内容包括：试验鉴定数据工程相关概念与发展现状；试验鉴定数据规划与数据标准化相关知识；试验鉴定数据采集与存储知识；试验鉴定数据治理知识，包括数据预处理与数据分析等内容；试验鉴定多维数据分析知识，包括多维数据分析相关概念、多维数据模型以及多维数据分析应用等内容；试验鉴定数据关联规则挖掘知识，包括关联规则挖掘概念、流程、算法及应用等内容；试验鉴定数据聚类知识，包括聚类分析概念、方法及相关算法等内容；试验鉴定数据分类知识，包括分类相关概念、方法及应用等内容；试验鉴定复杂类型数据挖掘知识，包括文本数据挖掘、图像数据挖掘、语音数据挖掘、视频数据挖掘及流数据挖掘等内容；试验鉴定数据中心规划建设与管理知识，包括数据中心概念与架构、数据中心规划及数据中心管理运维等内容。

作者王焕彬，现为空军工程大学装备管理与无人机工程学院教员，主要从事装备试验鉴定教学与科研工作，独立讲授本科与研究生课程四门：《数据挖掘与分析》、《装备试验数据分析与评估》、《系统工程》、《系统工程导引》。

目  录
第一章 绪论
§1.1 试验鉴定概念与分类
§1.1.1 试验鉴定概念
§1.1.2 试验鉴定分类
§1.2 数据工程相关概念
§1.2.1 数据定义
§1.2.2 信息定义
§1.2.3 数据和信息的关系
§1.2.4 试验数据的作用与生命周期
§1.2.5 数据工程概念
§1.2.6 数据工程研究内容
§1.3 我军数据工程建设策略
§1.3.1 建设目标
§1.3.2 建设原则
§1.3.3 建设策略
§1.3.4 建设内容
§1.4 美军数据工程建设状况
§1.4.1 统一的数据管理阶段
§1.4.2 集中的数据管理阶段
§1.4.3 以网络为中心的数据管理阶段
§1.5 试验鉴定数据分析与挖掘
§1.5.1 数据分析概念
§1.5.2 数据挖掘概念
§1.5.3 数据分析与挖掘区别和联系
§1.5.4 数据分析与挖掘的方法和技术
§1.6本章小结
第二章 试验鉴定数据规划与数据标准化
§2.1 数据规划
§2.1.1 数据规划定义
§2.1.2 数据规划内容
§2.1.3 数据规划思想
§2.1.4 数据规划方法
§2.2 数据标准化
§2.2.1 数据标准化定义
§2.2.2 数据分类编码标准化
§2.2.3 数据模式标准化
§2.2.4 元数据标准化
§2.3本章小结
第三章 试验鉴定数据采集与存储
§3.1 试验鉴定数据采集
§3.1.1数据采集概述
§3.1.2数据采集方法
§3.1.3数据采集系统
§3.2 试验鉴定数据存储
§3.2.1直连方式存储DAS
§3.2.2网络附加存储NAS
§3.2.3存储区域网络SAN
§3.3 试验鉴定数据容灾备份
§3.3.1 数据备份概述
§3.3.2 数据备份技术
§3.3.3 数据容灾概述
§3.3.4 数据容灾技术
§3.4本章小结
第四章 试验鉴定数据治理
§4.1 试验鉴定数据预处理
§4.1.1 数据清理
§4.1.2 数据变换
§4.1.3 数据归约
§4.1.4 数据离散化
§4.2 试验鉴定数据集成
§4.2.1 数据集成的挑战
§4.2.2 数据集成的方法
§4.2.3 数据集成的技术
§4.3 试验鉴定数据分析
§4.3.1 数据的集中趋势分析
§4.3.2 数据的离中趋势分析
§4.4 本章小结
第五章 试验鉴定数据多维分析
§5.1 数据多维分析概述
§5.1.1 联机分析定义
§5.1.2 多维分析相关概念
§5.2 多维数据模型
§5.2.1 多维数据的概念模型
§5.2.2 多维数据的逻辑模型
§5.2.3 多维数据的物理模型
§5.3 多维数据分析工具与应用
§5.3.1 多维数据分析的基本操作
§5.3.2 多维数据分析的工具与特点
§5.4本章小结
第六章 试验鉴定数据关联规则挖掘方法
§6.1 关联规则挖掘概述
§6.2 Apriori关联规则挖掘算法
§6.2.1 Apriori算法的相关概念与性质
§6.2.2 Apriori算法的思想与步骤
§6.2.3 Apriori算法的优缺点分析
§6.2.4 Apriori算法的改进策略
§6.3 FP-Growth关联规则挖掘算法
§6.3.1算法基本思想
§6.3.2算法主要步骤
§6.3.3算法性能分析
§6.4关联规则挖掘拓展
§6.5本章小结
第七章 试验鉴定数据聚类挖掘方法
§7.1聚类分析概述
§7.1.1聚类分析的基本概念
§7.1.2聚类分析中的数据类型
§7.1.3数据挖掘对聚类分析的基本要求
§7.1.4聚类分析中距离的度量
§7.1.5聚类分析的具体应用
§7.2基于划分的聚类方法
§7.2.1 K-Means聚类算法分析
§7.2.2 K-Medoids聚类算法分析
§7.2.3 PAM聚类算法分析
§7.3基于层次的聚类方法
§7.3.1 AGNES聚类算法分析
§7.3.2 CURE聚类算法分析
§7.3.3 CHAMELEON聚类算法分析
§7.4基于密度的聚类方法
§7.4.1 DBSCAN聚类算法分析
§7.4.2 DENCLUE聚类算法分析
§7.5 模糊聚类方法
§7.5.1模糊聚类分析的数学模型
§7.5.2模糊聚类的定义
§7.5.3模糊C均值聚类算法
§7.6聚类分析中的孤立点检测
§7.6.1 基于统计学的方法
§7.6.2 基于距离的方法
§7.6.3 基于偏离的方法
§7.6.4 基于密度的方法
§7.6.5 基于图形的方法
§7.7本章小结
第八章 试验鉴定数据分类挖掘方法
§8.1 装备试验数据分类挖掘概述
§8.2 分类挖掘的决策树方法
§8.2.1 决策树相关概念
§8.2.2 决策树ID3算法
§8.2.3决策树C4.5算法
§8.3 贝叶斯分类方法
§8.3.1 贝叶斯定理
§8.3.2 朴素贝叶斯分类
§8.4 其他分类方法
§8.4.1 K-最近邻分类
§8.4.2 基于案例推理的分类
§8.5分类挖掘应用
§8.6本章小结
第九章 试验鉴定复杂类型数据挖掘
§9.1 文本数据挖掘
§9.1.1文本挖掘概念
§9.1.2文本挖掘的过程
§9.1.3文本挖掘的方法
§9.1.4文本分类技术与算法
§9.2 图像数据挖掘
§9.2.1 图像数据特点和挖掘技术
§9.2.2 图像数据预处理
§9.2.3 图像数据挖掘技术
§9.2.4 图像数据挖掘应用
§9.3 语音识别挖掘
§9.3.1 语音数据特点和挖掘技术
§9.3.2 语音信号处理和特征提取
§9.3.3 语音识别技术
§9.3.4 语音识别技术应用
§9.4 视频数据挖掘
§9.4.1 视频数据特点和挖掘技术
§9.4.2 视频数据预处理
§9.4.3 视频数据挖掘方法
§9.4.4 视频数据挖掘的应用
§9.5 流数据挖掘
§9.5.1数据流的特点
§9.5.2数据流预处理
§9.5.3数据流挖掘方法
§9.5.4数据流管理系统
§9.6本章小结
第十章 试验鉴定数据中心规划建设与管理
§10.1 数据中心概念与发展
10.1.1 数据中心概念与架构
§10.1.2 试验鉴定数据中心建设目标与任务
§10.1.3 试验鉴定数据中心建设原则
§10.1.4 试验鉴定数据中心关键技术
§10.2 试验鉴定数据中心规划
§10.2.1 试验鉴定数据中心基础设施规划
§10.2.2 试验鉴定数据中心存储系统规划
§10.2.3 试验鉴定数据中心应用系统规划
§10.2.4 试验鉴定数据中心保障体系规划
§10.3 试验鉴定数据中心管理运维
§10.3.1 试验鉴定数据中心管理制度
§10.3.2 试验鉴定数据中心运维管理系统
§10.3.3 试验鉴定数据中心日常管理
§10.4 本章小结