摘要
随着信息技术的迅速发展，特别是数据库技术和计算机网络的广泛应用，企业拥有的数据量急剧增大。在大量的数据与信息中，蕴藏着企业运作的利弊得失，若能够对这种海量数据与信息进行快速有效的分析与处理，就能从中找出规律和模式，获取所需知识，帮助企业更好地进行企业运筹决策。
知识发现就是从大量的数据中抽取以前未知并具有潜在可用的模式，数据挖掘则是组成知识发现的重要环节。如何从大规模的数据中发掘深层次的知识和信息，而不仅仅是数据表面的信息，已经成为众多领域的研究热点。
而在导弹仿真过程中，所涉及的数据量非常大，如马赫数、俯仰角、偏航角、滚转角等，而且数据之间的关系非常复杂，各个数据对导弹的作用以及影响都不相同，很难直观的理解各个数据对导弹的作用。所以需要根据各个数据的性质以及对导弹的影响，进行数据挖掘，建立导弹仿真系统模型，分析各个数据之间的关系，以及数据变化后对导弹运动的影响及影响程度。
本文主要介绍决策树算法和聚类算法的算法原理，算法结构以及在仿真数据中的应用，同时通过应用决策树算法和聚类算法对区域与参数分布特性分析、导弹气动外形设计分析这两个实例的研究及分析，确定了数据挖掘在导弹仿真数据中的应用价值。另外，本文所设计的导弹仿真数据挖掘分析系统可以直观的显示出这些数据对导弹运动的影响，分析出这些数据之间的关系。
关键词：数据挖掘，决策树算法，聚类算法，导弹仿真分析
ABSTRACT
...
Keywords: data mining , decision tree algorithm , clustering algorithm , missile simulation
目录
第一章 绪论1
1.1 研究背景1
1.2 国内外研究现状1
1.3 研究内容和实现目标2
1.4 论文结构3
第二章 数据挖掘4
2.1 数据挖掘的数据准备4
2.2 数据挖掘的方法和相关模型4
2.3 数据挖掘的步骤5
2.4 进行数据挖掘应该注意的问题6
2.5 数据挖掘的典型应用领域6
2.6 数据挖掘的体系结构7
2.7 本章小结8
第三章 数据挖掘算法9
3.1 决策树算法9
3.1.1 决策树算法9
3.1.2 决策树算法的基本思想10
3.1.3 决策树构造11
3.1.4 决策树算法的应用11
3.2 聚类分析算法12
3.2.1 算法原理13
3.2.2 EM聚类分析14
3.2.3 k-means聚类分析14
3.2.4 算法要求15
3.3 本章小结17
第四章 导弹仿真数据分析18
4.1 导弹仿真数据18
4.2 区域与参数分布特性分析18
4.2.1 仿真数据背景18
4.2.2 数据挖掘过程19
4.2.3 数据挖掘结果21
4.3 导弹气动外形设计分析26
4.3.1 仿真数据背景26
4.3.2 数据挖掘过程28
4.3.3 数据挖掘结果29
4.4 本章小结32
第五章 导弹仿真数据挖掘系统设计33
5.1 导弹仿真数据挖掘系统概述33
5.1.1 导弹仿真数据挖掘模块33
5.1.2 导弹仿真数据的数据挖掘33
5.1.3 导弹仿真数据的数据挖掘功能分类33
5.1.4 导弹仿真数据挖掘系统概述34
5.1.5 导弹仿真数据挖掘系统组成35
5.2 数据导入/准备模块35
5.2.1 仿真数据介绍35
5.2.2 柔性概念模型构建工具子模块详细设计37
5.2.3 数据导入前后的对应关系39
5.3 数据显示子模块39
5.3.1 树型结构分析及设计39
5.3.2 用户界面设计41
5.3.3 数据库设计42
5.4 数据挖掘模块42
5.4.1 数据挖掘功能43
5.4.2 数据挖掘向导43
5.4.3 挖掘结果查看48
5.4.4 数据库设计53
5.5 本章小结53
第六章 全文总结54
参考文献55
致 谢57
毕业设计小结58
