城市环境空气质量数据挖掘与可视化的研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第1章 绪论 | 第12-14页 |
| ·课题的背景和意义 | 第12-13页 |
| ·课题的主要内容 | 第13-14页 |
| 第2章 数据挖掘与可视化的基本概念 | 第14-20页 |
| ·数据挖掘概述 | 第14-16页 |
| ·数据挖掘的定义 | 第14页 |
| ·数据挖掘的过程 | 第14-15页 |
| ·数据挖掘的常用方法 | 第15-16页 |
| ·可视化概述 | 第16-19页 |
| ·可视化的定义 | 第16页 |
| ·可视化的工具 | 第16-18页 |
| ·可视化技术 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 基于粗糙集和神经网络的预测模型 | 第20-33页 |
| ·基于粗糙集的规则抽取 | 第20-26页 |
| ·粗糙集理论简介 | 第20-22页 |
| ·数据离散化 | 第22-25页 |
| ·属性约简 | 第25页 |
| ·抽取精简规则 | 第25-26页 |
| ·神经网络预测模型的实现 | 第26-32页 |
| ·B-P神经网络的基本原理 | 第26-27页 |
| ·预测模型的结构 | 第27-29页 |
| ·预测模型的训练 | 第29-30页 |
| ·神经网络的预测计算 | 第30页 |
| ·预测结果分析 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 环境空气质量预报数据的动态可视化 | 第33-40页 |
| ·预报数据的建模分析 | 第33-34页 |
| ·预报数据的动态可视化 | 第34-39页 |
| ·可视化模型的抽象与构造 | 第34-36页 |
| ·图形的生成与显示 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 基于平行坐标的可视化聚类分析 | 第40-49页 |
| ·平行坐标技术的基本原理 | 第40-42页 |
| ·平行坐标的定义 | 第40-41页 |
| ·基于平行坐标的数据可视化分析方法 | 第41页 |
| ·基于平行坐标的可视化聚类分析技术 | 第41-42页 |
| ·环境空气质量可视化聚类分析 | 第42-48页 |
| ·数据预处理 | 第42-43页 |
| ·查询处理 | 第43页 |
| ·维缩放浏览 | 第43-45页 |
| ·聚类分析 | 第45-46页 |
| ·数据平均值 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第6章 城市环境空气质量数据挖掘与可视化原型系统 | 第49-54页 |
| ·系统体系结构 | 第49-50页 |
| ·系统分析 | 第50-53页 |
| ·数据预处理分析 | 第50-51页 |
| ·预测模型分析 | 第51-52页 |
| ·可视化处理分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第7章 结束语 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |
