| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 论文研究背景 | 第7页 |
| 1.2 论文研究内容及主要研究方法 | 第7-8页 |
| 1.3 论文研究目的和意义 | 第8-10页 |
| 第二章 数据挖掘的基本理论 | 第10-14页 |
| 2.1 数据挖掘定义 | 第10页 |
| 2.2 数据挖掘的主要过程 | 第10-11页 |
| 2.3 数据挖掘主要的研究方法 | 第11-12页 |
| 2.4 数据挖掘的发展历程及研究现状 | 第12-14页 |
| 2.4.1 国外的数据挖掘发展历程及研究现状 | 第12-13页 |
| 2.4.2 国内的数据挖掘发展历程及研究现状 | 第13-14页 |
| 第三章 气象数据的预处理与探索性数据分析 | 第14-27页 |
| 3.1 气象数据的预处理 | 第14-15页 |
| 3.1.1 数据预处理简述 | 第14页 |
| 3.1.2 气象数据的特点 | 第14页 |
| 3.1.3 数据预处理方法 | 第14-15页 |
| 3.2 昆明市气象数据的预处理 | 第15-17页 |
| 3.2.1 数据来源及相关说明 | 第15-17页 |
| 3.2.2 预处理过程 | 第17页 |
| 3.3 探索性数据分析概念及方法 | 第17页 |
| 3.4 昆明气象数据的描述性统计分析 | 第17-27页 |
| 3.4.1 昆明主要气象指标的相关性分析 | 第17-20页 |
| 3.4.2 昆明主要气象指标的描述性分析 | 第20-27页 |
| 第四章 决策树分类和预测在昆明气象数据中的应用 | 第27-44页 |
| 4.1 决策树的概念与相关算法 | 第27-31页 |
| 4.1.1 决策树 | 第27-28页 |
| 4.1.2 常见的几种决策树算法 | 第28-30页 |
| 4.1.3 ROC曲线 | 第30-31页 |
| 4.2 决策树算法在昆明气温预测中的应用 | 第31-44页 |
| 4.2.1 非离散化的气温预测 | 第32-35页 |
| 4.2.2 离散化后的气温预测 | 第35-44页 |
| 第五章 神经网络分类和预测在昆明气象数据中的应用 | 第44-59页 |
| 5.1 神经网络概述 | 第44页 |
| 5.2 神经网络的基本工作原理 | 第44-45页 |
| 5.3 几种常见的神经网络模型 | 第45-48页 |
| 5.3.1 多层感知器(MLP)神经网络 | 第45-46页 |
| 5.3.2 RBF神经网络 | 第46-48页 |
| 5.4 MLP神经网络模型在昆明气象数据中的应用 | 第48-51页 |
| 5.5 RBF(径向基函数)神经网络模型在昆明气象数据中的应用 | 第51-55页 |
| 5.6 神经网络结构模型与决策树比较 | 第55-56页 |
| 5.7 结果比较 | 第56-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |