一种改进的朴素贝叶斯分类器在南方地区降水等级预报中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.3 方法介绍及其研究进展 | 第10-14页 |
| 1.3.1 贝叶斯方法 | 第10-13页 |
| 1.3.2 粒子群方法 | 第13-14页 |
| 1.4 本文的主要内容 | 第14-16页 |
| 第二章 算法原理 | 第16-27页 |
| 2.1 贝叶斯方法 | 第16-21页 |
| 2.1.1 概率论中的一些基本定义 | 第16页 |
| 2.1.2 贝叶斯公式原理 | 第16-17页 |
| 2.1.3 贝叶斯分类法 | 第17-18页 |
| 2.1.4 朴素贝叶斯分类器 | 第18-21页 |
| 2.2 粒子群算法 | 第21-27页 |
| 2.2.1 群智能算法概述 | 第21-22页 |
| 2.2.2 粒子群算法基本原理 | 第22-25页 |
| 2.2.3 二进制粒子群算法 | 第25-27页 |
| 第三章 资料及处理 | 第27-32页 |
| 3.1 资料的选取 | 第27页 |
| 3.2 模型预报因子选择 | 第27-30页 |
| 3.3 位置向量的0、1化处理 | 第30页 |
| 3.4 限制因子数量 | 第30-32页 |
| 第四章 粒子群优化的朴素贝叶斯降水预报模型 | 第32-46页 |
| 4.1 模型构建 | 第32-36页 |
| 4.1.1 模型基本步骤 | 第32-35页 |
| 4.1.2 模型流程 | 第35-36页 |
| 4.2 模型试验 | 第36-45页 |
| 4.2.1 先验概率 | 第36页 |
| 4.2.2 试验站因子组合 | 第36-38页 |
| 4.2.3 试验降水预报结果 | 第38-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 个例分析 | 第46-52页 |
| 5.1 降水概况 | 第46页 |
| 5.2 个例天气形势分析 | 第46-50页 |
| 5.2.1 环流背景分析 | 第46-48页 |
| 5.2.2 垂直速度及水汽条件分析 | 第48-50页 |
| 5.3 模型预报降水落区与实况的比较 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 全文总结 | 第52-54页 |
| 6.1 全文总结 | 第52页 |
| 6.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
