一、题目:导弹仿真数据挖掘分析系统设计
二、指导思想和目的要求
随着信息技术的迅猛发展,许多行业如商业、企业、科研机构和政府部门等都积累了海量的、不同形式存储的数据资料。这些海量数据中往往隐含着各种各样有用的信息，仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息，迫切需要能自动地、智能地将待处理的数据转化为有价值的信息，从而达到为决策服务的目的。在这种情况下,一个新的技术—数据挖掘(Data Mining,DM)技术应运而生。
数据挖掘是一个多学科领域的技术，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、信息检索等最新技术的研究成果，其应用非常广泛。只要是有分析价值的数据库，都可以利用数据挖掘工具来挖掘有用的信息。数据挖掘典型的应用领域包括市场、工业生产、金融、医学、科学研究、工程诊断等。
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。
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，数据变化后对导弹运动的影响，以及影响大小。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。
本课题的研究内容主要包括以下几个方面:
1、深入理解数据挖掘的概念和在实际中的应用价值，探索其在导弹仿真中应用的可能性和合理性；
了解SQL Server 2008强大的数据挖掘功能，深入研究SQL Server 2008的数据挖掘算法原理，并能应用SQL Server 2008提供的数据挖掘流程进行数据挖掘；
3、通过分析导弹仿真数据，设计开发针对导弹仿真数据的挖掘系统。
三、主要技术指标
1、深入理解数据挖掘的基本概念，明确数据挖掘在实践中的应用价值；
2、熟练掌握SQL Server 2008提供的数据挖掘算法，并能应用SQL Server 2008提供的数据挖掘向导进行数据挖掘，并能以导弹方针数据为例进行数据挖掘实践。
四、进度和要求
第01周----第02周：英文翻译；
第03周----第04周：数据挖掘基本原理学习；
第05周----第07周：熟悉SQL Server 2008和Visual Studio 2008开发环境；
第08周----第09周：应用SQL Server 2008数据挖掘向导进行数据挖掘；
第10周----第13周：系统软件开发；
第14周----第16周：撰写毕业设计论文，论文答辩。
五、主要参考书及参考资料
刘藻珍.仿真科学的研究[J].科技导报，2007，25(2)：14-21.
董艳，程文俊.数据挖掘原理与应用[M].北京：清华大学出版社，2010.7。
吕文志.基于分类和关联规则的数据挖掘研究和应用[D].大连：大连理工大学，2004。
葛维艳.数据挖掘技术的应用[D].大连：大连海事大学，2001。
苏毅娟.数据挖掘中若干问题的研究[D].长沙：国防科学技术大学，2001。
谭浩强.C程序设计[M].北京：清华大学出版社,1999。
S. Abiteboul, R. Hull, and V. Vianu, Foundations of Databases, Addison-Wesley, 1995.
导弹仿真数据挖掘分析系统设计摘要
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
导弹仿真数据挖掘分析系统设计目录
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
