基于流形学习的强对流天气识别
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题背景与选题意义 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·图像数据挖掘的研究现状 | 第9-10页 |
| ·流形学习的研究现状 | 第10-12页 |
| ·强对流天气识别的研究现状 | 第12-13页 |
| ·本文工作安排 | 第13-14页 |
| 第二章 雷达图像转换和特征数据库 | 第14-21页 |
| ·雷达图像转化 | 第14-15页 |
| ·雷达图像特征提取 | 第15-18页 |
| ·雷达图像特征数据库的实现 | 第18-20页 |
| ·小结 | 第20-21页 |
| 第三章 流形学习方法和数据挖掘 | 第21-31页 |
| ·流形学习算法 | 第21-27页 |
| ·本征维数 | 第21-22页 |
| ·等距映射算法 | 第22页 |
| ·局部线性嵌入算法 | 第22-24页 |
| ·拉普拉斯特征映射算法 | 第24页 |
| ·海赛局部线性嵌入算法 | 第24-25页 |
| ·局部切空间排列算法 | 第25-27页 |
| ·数据挖掘 | 第27-30页 |
| ·粗糙集理论 | 第28-29页 |
| ·粗糙集概念 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于流形学习算法的强对流天气识别 | 第31-48页 |
| ·流形学习算法的选取 | 第31-33页 |
| ·本征维数的选取 | 第33-34页 |
| ·样本邻域数 K 的选取 | 第34页 |
| ·LTSA 算法的步骤 | 第34-36页 |
| ·低维特征数据库数据挖掘 | 第36-45页 |
| ·数据预处理 | 第36-41页 |
| ·规则挖掘 | 第41-45页 |
| ·基于规则的实况天气识别 | 第45-47页 |
| ·实验过程 | 第45-46页 |
| ·实验数据分析 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 结束语 | 第48-51页 |
| ·总结 | 第48页 |
| ·系统流程图 | 第48-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 致谢 | 第56页 |
