| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题来源 | 第8页 |
| 1.2 论文研究背景、目的及意义 | 第8-11页 |
| 1.2.1 课题研究背景 | 第8-10页 |
| 1.2.2 课题研究目的 | 第10页 |
| 1.2.3 课题研究意义 | 第10-11页 |
| 1.3 相关领域研究现状 | 第11-13页 |
| 1.3.1 三峡库区水环境现状 | 第11页 |
| 1.3.2 水环境监测现状 | 第11-12页 |
| 1.3.3 水环境监测数据分析现状 | 第12-13页 |
| 1.4 本文主要研究内容及结构 | 第13-14页 |
| 1.5 本章小结 | 第14-16页 |
| 2 样本数据的实时采集及预处理 | 第16-34页 |
| 2.1 WSN的构成及其节点结构 | 第16-17页 |
| 2.2 监测平台构建的可行性及整体架构 | 第17-19页 |
| 2.2.1 大规模WSN构建的可行性 | 第17-18页 |
| 2.2.2 网络整体架构 | 第18-19页 |
| 2.3 水环境监测平台的构建 | 第19-24页 |
| 2.3.1 系统硬件平台 | 第19-22页 |
| 2.3.2 系统软件平台 | 第22-24页 |
| 2.4 数据预处理 | 第24-28页 |
| 2.4.1 三峡库区水环境监测数据说明 | 第24-25页 |
| 2.4.2 三峡库区水环境监测数据清洗 | 第25-26页 |
| 2.4.3 主成分分析 | 第26-28页 |
| 2.5 FCM聚类算法的缺陷 | 第28-32页 |
| 2.5.1 模糊聚类理论 | 第28-30页 |
| 2.5.2 FCM聚类算法的缺陷 | 第30-32页 |
| 2.6 本章小结 | 第32-34页 |
| 3 基于改进初始迭代中心的FFCM聚类算法 | 第34-50页 |
| 3.1 FFCM聚类算法 | 第34-43页 |
| 3.1.1 数据集的c划分及聚类目标函数 | 第34-38页 |
| 3.1.2 HCM聚类算法 | 第38-39页 |
| 3.1.3 FCM聚类算法 | 第39-41页 |
| 3.1.4 FFCM聚类算法 | 第41-43页 |
| 3.2 实验仿真及分析 | 第43-49页 |
| 3.3 本章小结 | 第49-50页 |
| 4 基于自适应最佳聚类数的Canopy-FC聚类算法 | 第50-64页 |
| 4.1 Canopy算法 | 第50-53页 |
| 4.1.1 Canopy算法原理 | 第50-51页 |
| 4.1.2 Canopy算法流程 | 第51-53页 |
| 4.2 Canopy-FCM聚类算法 | 第53-56页 |
| 4.2.1 算法可行性分析 | 第53页 |
| 4.2.2 Canopy-FCM算法原理 | 第53-55页 |
| 4.2.3 对模糊加权指数m的讨论 | 第55-56页 |
| 4.3 实验仿真及分析 | 第56-63页 |
| 4.3.1 Canopy算法仿真分析 | 第56-59页 |
| 4.3.2 Canopy-FCM聚类算法仿真分析 | 第59-63页 |
| 4.4 本章小结 | 第63-64页 |
| 5 算法性能对比及水质分析 | 第64-68页 |
| 5.1 三种算法的性能对比 | 第64-65页 |
| 5.1.1 算法的运算效率 | 第64页 |
| 5.1.2 算法的可靠性及适用性 | 第64-65页 |
| 5.2 近三年水质分析 | 第65-67页 |
| 5.3 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 今后研究工作展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76-83页 |
| A 攻读硕士学位期间发表的论文情况 | 第76页 |
| B 攻读硕士学位期间参加的科研项目 | 第76页 |
| C 攻读硕士学位期间参加的科研项目 | 第76-83页 |