本书将理论方法与应用集于一书，希望读者通过方法学习掌握大数据分析建模的基本过程，再通过应用学习，培养运用相关知识开展大数据分析研究的能力。考虑大数据分析所必需的计算机工具，本书将采用R软件作为基本分析工具，给出关键方法的示范程序，R软件是免费开源的专业统计分析软件，分析数据的功能非常强大，是理论研究和工程实践中进行大数据分析的重要工具。

第1章大数据概述
1.1什么是大数据
1.1.1大数据的定义及特征
1.1.2大数据结构类型
1.1.3大数据实例
1.2大数据发展历程
1.3大数据分析
1.4可靠性工程中的数据分析
1.5相关技术及工具
1.5.1Hadoop介绍
1.5.2R软件介绍
1.5.3AMPL/CPLEX软件介绍
1.5.4Clementine介绍
1.5.5其他大数据处理工具
第2章大数据与数据挖掘
2.1数据管理与数据仓库
2.1.1数据、信息和知识
2.1.2数据爆炸
2.1.3数据仓库
2.1.4云计算与云存储
2.2数据挖掘概述
2.2.1数据挖掘的历史、功能和目的
2.2.2数据挖掘的内涵和基本特征
2.2.3数据挖掘与统计学
2.2.4数据挖掘的一般过程
2.3基于数据挖掘的模式识别
2.3.1探索性数据分析
2.3.2数据挖掘与机器学习
2.3.3数据挖掘与智能决策
2.3.4数据挖掘与神经网络
2.4大数据条件下的数据挖掘技术的近期新前沿研究
2.4.1数据挖掘的可视化
2.4.2基于云技术的数据挖掘
2.4.3语音数据挖掘
2.4.4图像数据挖掘
2.4.5文本数据挖掘
第3章大数据在可靠性工程中的应用
3.1传统数据分析方法
3.1.1基于概率统计的分析方法
3.1.2基于时间维度的分析方法
3.1.3基于失效物理的分析方法
3.1.4传统分析方法的优势与局限
3.2大数据分析的特点
3.2.1数据全体VS数据样本
3.2.2非结构化数据vs结构化数据
3.2.3关联分析VS因果分析
3.3大数据分析揭示故障规律
3.3.1可靠性工程中的数据
3.3.2故障激发因素的复杂性
3.3.3可靠性工程大数据分析前景
第4章故障的关联规则分析
4.1关联规则的基本知识
4.1.1关联规则的定义、相关概念与一般过程
4.1.2频繁模式发现
4.1.3Apriori相关算法
4.1.4FP-growth算法
4.1.5应用及案例
4.2动态关联规则挖掘
4.2.1问题描述及需求
4.2.2动态关联规则新定义
4.2.3动态关联规则挖掘算法
4.2.4动态决策规则
4.3基于相关兴趣度的关联规则挖掘
……
第5章故障／健康监控的时间序列模式分析
第6章基于故障多状态集的序列模式挖掘
第7章故障信息聚类分析
第8章基于粗糙集理论的故障因素分析
第9章因子分析及回归分析
第10章高维数据回归预测分析
第11章可靠性工程中的非参数统计
参考文献