| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·研究的背景和意义 | 第9-12页 |
| ·数据预处理方法的研究现状 | 第9-10页 |
| ·渔业数据应用研究现状 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·创新性 | 第12页 |
| ·本文主要研究内容安排 | 第12-13页 |
| 第二章 数据预处理方法理论和渔业领域知识基础 | 第13-22页 |
| ·数据预处理步骤 | 第13页 |
| ·数据获取 | 第13-16页 |
| ·数据来源 | 第13-14页 |
| ·数据获取方法 | 第14-16页 |
| ·数据清理 | 第16-17页 |
| ·缺失值的处理 | 第16页 |
| ·含噪声数据的处理 | 第16-17页 |
| ·数据集成和变换 | 第17-18页 |
| ·数据规约 | 第18页 |
| ·维度规约 | 第18页 |
| ·数值规约 | 第18页 |
| ·渔业领域知识 | 第18-22页 |
| ·海表温度梯度 GSST[27] | 第18-19页 |
| ·单位捕捞努力量渔获量 CPUE[28] | 第19-20页 |
| ·栖息地指数 HIS | 第20-22页 |
| 第三章 面向渔场分析的数据预处理关键方法研究 | 第22-40页 |
| ·数据特点分析 | 第22-24页 |
| ·产量数据特点分析 | 第22-23页 |
| ·环境数据特点分析 | 第23-24页 |
| ·基于 Kriging 插值算法的卫星海洋遥感数据的补缺 | 第24-30页 |
| ·克里格算法原理[31] | 第25页 |
| ·克里格算法过程[32] | 第25-27页 |
| ·克里格算法变异函数对比试验 | 第27-30页 |
| ·基于 BP 神经网络的卫星海洋遥感图片数据的提取 | 第30-33页 |
| ·BP 神经网络提取图片数据基本思想[34] | 第31-32页 |
| ·BP 神经网络提取图片数据实验验证 | 第32-33页 |
| ·基于概念树的环境数据和产量数据属性归纳 | 第33-35页 |
| ·基于概念树的环境数据属性归纳 | 第34-35页 |
| ·基于概念树的产量数据属性归纳 | 第35页 |
| ·渔场分析中的海洋遥感环境数据和产量数据的组织 | 第35-40页 |
| ·面向即时预测神经网络模型应用的数据组织 | 第36页 |
| ·面向中长期预测神经网络模型应用的数据组织 | 第36-40页 |
| 第四章 面向渔场分析的数据预处理系统设计 | 第40-56页 |
| ·系统总体设计 | 第40-42页 |
| ·体系结构 | 第40-41页 |
| ·系统功能结构 | 第41-42页 |
| ·海洋环境数据自动获取系统设计 | 第42-43页 |
| ·遥感图片数据提取系统设计 | 第43-44页 |
| ·产量数据预处理系统设计 | 第44-45页 |
| ·相关性分析系统设计 | 第45-46页 |
| ·预测数据组织系统设计 | 第46-47页 |
| ·数据库设计 | 第47-49页 |
| ·数据库 ER 图 | 第47-48页 |
| ·实体描述 | 第48页 |
| ·数据表及其之间关系 | 第48页 |
| ·数据库物理设计 | 第48-49页 |
| ·系统实例分析 | 第49-56页 |
| ·首界面 | 第49-51页 |
| ·海洋环境自动获取界面 | 第51-52页 |
| ·预测数据组织界面 | 第52-53页 |
| ·相关性分析系统设计界面 | 第53-56页 |
| 第五章 结论和展望 | 第56-58页 |
| ·本文结论 | 第56-57页 |
| ·本文研究展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 致谢 | 第62页 |