渤海观测站点及出海频次的优化设置
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 引言 | 第6-10页 |
| 1.1 问题的提出和研究意义 | 第6-7页 |
| 1.1.1 问题的提出 | 第6页 |
| 1.1.2 研究意义 | 第6-7页 |
| 1.2 研究背景 | 第7-9页 |
| 1.2.1 机器学习方法的引入 | 第7-8页 |
| 1.2.2 聚类算法国内外研究现状 | 第8-9页 |
| 1.3 本文的主要工作 | 第9-10页 |
| 第二章 机器学习 | 第10-16页 |
| 2.1 机器学习引言 | 第10-12页 |
| 2.1.1 研究背景 | 第10-11页 |
| 2.1.2 大数据简介 | 第11-12页 |
| 2.2 机器学习概念 | 第12-13页 |
| 2.3 机器学习分类 | 第13-16页 |
| 第三章 聚类分析 | 第16-22页 |
| 3.1 聚类分析概述 | 第16-18页 |
| 3.1.1 基本概念 | 第16页 |
| 3.1.2 聚类数据结构 | 第16-17页 |
| 3.1.3 相似性度量 | 第17-18页 |
| 3.2 聚类算法 | 第18-19页 |
| 3.3 聚类分析优缺点分析 | 第19-22页 |
| 第四章 实证分析 | 第22-32页 |
| 4.1 问题到数据 | 第22页 |
| 4.2 数据清洗 | 第22-28页 |
| 4.3 建模 | 第28-30页 |
| 4.4 模型评估 | 第30-32页 |
| 第五章 总结 | 第32-34页 |
| 5.1 文研究小结 | 第32页 |
| 5.2 不足与展望 | 第32-34页 |
| 参考文献 | 第34-36页 |
| 附录 | 第36-40页 |
| 致谢 | 第40-41页 |
