河北路橋集團有限公司設備經營管理處、中國工程機械工業協會筑路機械分會等。

本標準適用于二手瀝青攪拌設備流通,二手滾筒連續式瀝青攪拌設備參照執行。2100433B

李占國、周世鑫等。

編制項目初步范圍說明書的方法有很多，但是最主要的有兩種基本方法。這兩種編制項目初步范圍說明書的具體方法分述如下。

1．模板法

這是指使用歷史項目或借鑒他人的項目初步范圍說明書作為模板，去編制既定項目的項目初步范圍說明書的一種方法。例如，房地產開發商可用自己歷史項目的項目初步范圍說明書作為模板，從而可作為模板供新房地產開發項目編制項目初步范圍說明書使用，所以這是一種學習和借鑒前人經驗的項目初步范圍說明書編制方法。

2．分解法

所謂分解法是指在沒有任何可借鑒模板的情況下，不得不使用自上而下的分解技術給出項目初步范圍說明書的一種方法。這種方法從項目目標出發，首先分解給出項目產出物，然后根據項目產出物分解給出項目工作的方法。這種方法要求按照充分必要的原則進行分解。

3．其他方法

這包括使用各種項目管理方法、建設和使用項目管理信息系統的方法以及專家法等。使用項目管理的方法可以作為制定項目初步范圍說明書的手段，建設和使用項目管理信息系統的方法可以提供更多信息，而專家法則可以在沒有模板和沒法分解時依靠專家經驗和知識編制項目初步范圍說明書，越是獨特的項目越需要使用專家法。

前言

第一章 緒論

1.1 數據挖掘技術概論

1.2 規則挖掘技術的研究意義

1.3 規則挖掘技術的應用領域

1.4 規則挖掘技術的研究進展及內容

第二章 規則挖掘的相關技術

2.1 定義

2.2 規則的類型

2.2.1 按組織形式劃分

2.2.2 按功能劃分

2.3 面向屬性的規則的含義及表示形式

2.4 面向屬性的規則的性質

2.5 規則挖掘的相關策略

2.5.1 來自人思維過程的啟示

2.5.2 規則挖掘時遵循的準則

2.5.3 規則挖掘過程中的信息增益

2.6 規則挖掘的相關方法

2.6.1 綜述

2.6.2 粗粒度區化法

2.6.3 細粒度區化法

2.6.4 分類法

2.7 小結

第三章 一種具有冗余約簡能力的規則挖掘機制

3.1 傳感/施動模型的啟發

3.2 以信息融合為框架討論規則挖掘的特點

3.3 具有冗余約簡能力的規則挖掘機制

3.3.1 挖掘能力涉及的內容

3.3.2 一種挖掘機制

3.3.3 挖掘過程的實現途徑分析

3.4 小結

第四章 分明關系約束的格上規則挖掘方法

4.1 挖掘方法的基本實現過程

4.2 相關定義和性質

4.3 方法的實現

4.3.1 決策表的預處理

4.3.2 粗糙格的構造算法

4.3.3 分明關系約束的粗糙格上規則的挖掘算法

4.4 小結

第五章 基于包含度的決策樹中規則挖掘方法

5.1 挖掘方法的思路

5.2 定義

5.3 屬性值的類化

5.4 決策表的預處理

5.5 挖掘方法的實現

5.5.1 基于分明關系確定構建決策樹的最小核集

5.5.2 基于粗糙熵確定構建決策樹的其他有用條件屬性

5.5.3 包含度的測度方法

5.5.4 基于包含度的決策樹構建算法

5.5.5 決策樹的維護

5.5.6 從決策樹中挖掘規則及規則的信任度量

5.6 冗余規則的簡化方法

5.7 小結

第六章 兩種方法的理論分析與比較

6.1 格上規則挖掘方法間的分析比較

6.1.1 格結點遍歷方式的分析

6.1.2 同類格間的性能比較

6.2 決策樹中規則挖掘法間的分析比較

6.2.1 建樹過程的分析

6.2.2 同類樹間時間復雜度與規則信任度的比較

6.3 格與樹兩種挖掘方法間的異同點

6.4 所研究的方法與應用對象之間的關系

6.5 小結

第七章 基于時間序列的規則挖掘方法

7.1 基于時問序列的規則挖掘技術概述

7.1.1 相似搜索

7.1.2 模式挖掘

7.2 一種結構自適應的分段線性化描述方法

7.2.1 結構自適應的時間序列的分段線性化描述

7.2.2 基于分段線性化的時間序列相似性的測量

7.2.3 基于分段線性化表示的時間序列的k-平均聚類算法

7.2.4 仿真實驗

7.3 時間序列的平滑處理及離散化方法

7.3.1 移動平均法

7.3.2 低通濾波器法

7.3.3 離散化法

7.4 小結

第八章 規則挖掘過程中的分類技術

8.1 一種具有高泛化性能的分類算法

8.1.1 概述

8.1.2 基于正則最小二乘訓練的前饋神經網絡分類方法

8.1.3 仿真實驗

8.2 一種新的K一最近鄰分類算法

8.2.1 K一最近鄰分類技術的改進算法

8.2.2 一種新的K一最近鄰混合分類算法

8.2.3 仿真實驗

8.3 基于帶移動窗的神經網絡時變數據分類技術

8.3.1 時變數據的最小二乘學習算法

8.3.2 前饋神經網絡結構及帶移動窗的最小二乘學習算法

8.3.3 仿真實驗

8.4 正則化訓練的神經網絡和粗糙集理論相結合的分類技術

8.4.1 概述

8.4.2 應用于分類技術的粗糙集理論

8.4.3 正則化訓練的神經網絡和粗糙集理論相結合的時間序列趨勢預測

8.4.4 仿真實驗

8.5 小結

第九章 應用案例

9.1 規則挖掘在水電廠運行態勢評估中的重要性

9.1.1 重要性概述

9.1.2 水電廠實時監測的方式與生成規則的信息來源

9.2 規則挖掘機制和方法的應用驗證

9.2.1 水電運行仿真機簡介

9.2.2 基于動態信息融合思想的水電運行仿真機的設計與實現

9.2.3 采用信任度高的水輪發電機調節系統數學模型

9.2.4 驗證案例：主系統線路工況中的規則挖掘及運行狀態準確判斷

9.3 小結

參考文獻

附錄2100433B