基于聚类分析和关联规则的降雨分析与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 引言 | 第12-18页 |
| ·问题的提出与研究的目的与意义 | 第12-14页 |
| ·问题的提出 | 第12页 |
| ·研究目的与意义 | 第12-14页 |
| ·研究目标与相关研究领域及其发展现状 | 第14-16页 |
| ·研究目标 | 第14页 |
| ·相关研究领域及其发展现状 | 第14-16页 |
| ·本文主要工作与结构 | 第16-18页 |
| ·主要工作 | 第16-17页 |
| ·本文结构 | 第17-18页 |
| 第2章 图像挖掘技术与聚类分析 | 第18-38页 |
| ·卫星云图和数据挖掘 | 第18-23页 |
| ·卫星云图简介 | 第18-19页 |
| ·云的特征和分类 | 第19-21页 |
| ·数据挖掘 | 第21-22页 |
| ·数据挖掘的分类 | 第22-23页 |
| ·图像挖掘技术 | 第23-27页 |
| ·图像挖掘的概念 | 第23-24页 |
| ·图像挖掘模式 | 第24-25页 |
| ·图像挖掘的方法与技术 | 第25-27页 |
| ·聚类分析 | 第27-31页 |
| ·聚类分析的定义 | 第27-28页 |
| ·聚类分析的过程 | 第28-29页 |
| ·聚类分析算法的分类 | 第29-31页 |
| ·图像聚类 | 第31页 |
| ·K-means算法 | 第31-36页 |
| ·K-means算法阐述 | 第31-33页 |
| ·K-means算法缺陷分析 | 第33-35页 |
| ·K-means的改进 | 第35-36页 |
| ·本章小节 | 第36-38页 |
| 第3章 图像关联规则挖掘分析 | 第38-48页 |
| ·关联规则挖掘 | 第38-43页 |
| ·基本概念和问题描述 | 第38页 |
| ·关联规则的算法 | 第38-39页 |
| ·Apriori算法内容 | 第39-41页 |
| ·Apriori的改进算法 | 第41-43页 |
| ·图像关联规则挖掘 | 第43-46页 |
| ·图像关联规则挖掘的概念 | 第43-44页 |
| ·图像数据挖掘的特点 | 第44页 |
| ·图像数据挖掘关联规则的类型 | 第44-45页 |
| ·图像数据挖掘前的数据预处理 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第4章 实验结果与分析 | 第48-78页 |
| ·实验的准备 | 第48-62页 |
| ·数据准备 | 第48-52页 |
| ·图像数据的准备 | 第52-54页 |
| ·图像特征的提取 | 第54-62页 |
| ·聚类实验结果与分析 | 第62-64页 |
| ·关联规则挖掘实验与分析 | 第64-77页 |
| ·数量属性的分区方法 | 第65-68页 |
| ·卫星云图和降雨关系的关联规则挖掘 | 第68-72页 |
| ·基于"事务模式"的支持度计算方法 | 第72-77页 |
| ·本章小节 | 第77-78页 |
| 第5章 总结和展望 | 第78-80页 |
| ·总结 | 第78页 |
| ·存在的问题和展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-84页 |
