基于数据挖掘的我国城市空气质量与城市发展的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 一、绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13页 |
| 1.3 论文的主要研究思路及结构 | 第13-14页 |
| 1.4 论文创新点 | 第14-15页 |
| 二、数据说明和指标选取 | 第15-20页 |
| 2.1 数据说明 | 第15页 |
| 2.2 城市选取 | 第15页 |
| 2.3 指标选取 | 第15-20页 |
| 2.3.1 空气质量指标体系 | 第15-18页 |
| 2.3.2 空气质量与城市发展指标体系 | 第18-20页 |
| 三、相关理论概述 | 第20-28页 |
| 3.1 数据挖掘理论 | 第20-22页 |
| 3.1.1 数据挖掘含义与起源 | 第20页 |
| 3.1.2 数据挖掘方法 | 第20-21页 |
| 3.1.3 数据挖掘过程 | 第21-22页 |
| 3.2 聚类分析理论 | 第22-24页 |
| 3.2.1 聚类分析的定义 | 第22页 |
| 3.2.2 聚类分析的原理 | 第22-24页 |
| 3.2.3 聚类分析的方法 | 第24页 |
| 3.3 决策树理论 | 第24-26页 |
| 3.3.1 决策树原理 | 第24-25页 |
| 3.3.2 决策树算法 | 第25-26页 |
| 3.4 聚类与分类区别 | 第26-28页 |
| 四、空气质量问题的聚类分析 | 第28-37页 |
| 4.1 数据预处理 | 第28页 |
| 4.2 数据可视化 | 第28-29页 |
| 4.3 聚类过程 | 第29-33页 |
| 4.4 结果分析 | 第33-35页 |
| 4.5 小结 | 第35-37页 |
| 五、决策树分类分析 | 第37-47页 |
| 5.1 数据预处理 | 第37页 |
| 5.2 数据可视化 | 第37-38页 |
| 5.3 决策树分类 | 第38-46页 |
| 5.3.1 递归分割树分类 | 第38-42页 |
| 5.3.2 C5.0算法 | 第42-44页 |
| 5.3.3 决策树优化 | 第44-46页 |
| 5.4 结论 | 第46-47页 |
| 六、总结与展望 | 第47-50页 |
| 6.1 总结 | 第47-48页 |
| 6.2 建议 | 第48-49页 |
| 6.3 展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 附录 | 第53-54页 |
| 附录一: 主要城市空气污染物数据 | 第53-54页 |
| 附录二: 标准化数据 | 第54页 |
