導彈仿真數據挖掘分析系統設計

摘要

    隨著信息技術的迅速發展，特別是數據庫技術和計算機網絡的廣泛應用，企業擁有的數據量急劇增大。在大量的數據與信息中，蘊藏著企業運作的利弊得失，若能夠對這種海量數據與信息進行快速有效的分析與處理，就能從中找出規律和模式，獲取所需知識，幫助企業更好地進行企業運籌決策。

知識發現就是從大量的數據中抽取以前未知并具有潛在可用的模式，數據挖掘則是組成知識發現的重要環節。如何從大規模的數據中發掘深層次的知識和信息，而不僅僅是數據表面的信息，已經成為眾多領域的研究熱點。

而在導彈仿真過程中，所涉及的數據量非常大，如馬赫數、俯仰角、偏航角、滾轉角等，而且數據之間的關系非常復雜，各個數據對導彈的作用以及影響都不相同，很難直觀的理解各個數據對導彈的作用。所以需要根據各個數據的性質以及對導彈的影響，進行數據挖掘，建立導彈仿真系統模型，分析各個數據之間的關系，以及數據變化后對導彈運動的影響及影響程度。

本文主要介紹決策樹算法和聚類算法的算法原理，算法結構以及在仿真數據中的應用，同時通過應用決策樹算法和聚類算法對區域與參數分布特性分析、導彈氣動外形設計分析這兩個實例的研究及分析，確定了數據挖掘在導彈仿真數據中的應用價值。另外，本文所設計的導彈仿真數據挖掘分析系統可以直觀的顯示出這些數據對導彈運動的影響，分析出這些數據之間的關系。

關鍵詞：數據挖掘，決策樹算法，聚類算法，導彈仿真分析

ABSTRACT

...

Keywords: data mining , decision tree algorithm , clustering algorithm , missile simulation

目錄

第一章 緒論1

1.1 研究背景1

1.2 國內外研究現狀1

1.3 研究內容和實現目標2

1.4 論文結構3

第二章 數據挖掘4

2.1 數據挖掘的數據準備4

2.2 數據挖掘的方法和相關模型4

2.3 數據挖掘的步驟5

2.4 進行數據挖掘應該注意的問題6

2.5 數據挖掘的典型應用領域6

2.6 數據挖掘的體系結構7

2.7 本章小結8

第三章 數據挖掘算法9

3.1 決策樹算法9

3.1.1 決策樹算法9

3.1.2 決策樹算法的基本思想10

3.1.3 決策樹構造11

3.1.4 決策樹算法的應用11

3.2 聚類分析算法12

3.2.1 算法原理13

3.2.2 EM聚類分析14

3.2.3 k-means聚類分析14

3.2.4 算法要求15

3.3 本章小結17

第四章 導彈仿真數據分析18

4.1 導彈仿真數據18

4.2 區域與參數分布特性分析18

4.2.1 仿真數據背景18

4.2.2 數據挖掘過程19

4.2.3 數據挖掘結果21

4.3 導彈氣動外形設計分析26

4.3.1 仿真數據背景26

4.3.2 數據挖掘過程28

4.3.3 數據挖掘結果29

4.4 本章小結32

第五章 導彈仿真數據挖掘系統設計33

5.1 導彈仿真數據挖掘系統概述33

5.1.1 導彈仿真數據挖掘模塊33

5.1.2 導彈仿真數據的數據挖掘33

5.1.3 導彈仿真數據的數據挖掘功能分類33

5.1.4 導彈仿真數據挖掘系統概述34

5.1.5 導彈仿真數據挖掘系統組成35

5.2 數據導入/準備模塊35

5.2.1 仿真數據介紹35

5.2.2 柔性概念模型構建工具子模塊詳細設計37

5.2.3 數據導入前后的對應關系39

5.3 數據顯示子模塊39

5.3.1 樹型結構分析及設計39

5.3.2 用戶界面設計41

5.3.3 數據庫設計42

5.4 數據挖掘模塊42

5.4.1 數據挖掘功能43

5.4.2 數據挖掘向導43

5.4.3 挖掘結果查看48

5.4.4 數據庫設計53

5.5 本章小結53

第六章 全文總結54

參考文獻55

致 謝57

畢業設計小結58