| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外现状 | 第12-13页 |
| 1.2.2 国内现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文的内容和组织结构 | 第15-17页 |
| 第二章 关联规则相关理论及算法 | 第17-35页 |
| 2.1 关联规则研究背景 | 第17-18页 |
| 2.2 关联规则的基本概念及性质 | 第18-22页 |
| 2.2.1 关联规则相关定义 | 第18-19页 |
| 2.2.2 关联规则挖掘性质 | 第19-22页 |
| 2.3 关联规则的应用 | 第22-23页 |
| 2.3.1 商场零售业 | 第22页 |
| 2.3.2 金融行业 | 第22-23页 |
| 2.3.3 网络入侵检测领域 | 第23页 |
| 2.4 经典关联规则挖掘算法--Apriori算法 | 第23-27页 |
| 2.4.1 Apriori算法的核心思想 | 第23-24页 |
| 2.4.2 Apriori算法产生频繁项集 | 第24-27页 |
| 2.5 Apriori算法的性能分析 | 第27-28页 |
| 2.6 基于Apriori算法的改进算法 | 第28-31页 |
| 2.6.1 Fp-growth算法 | 第28-29页 |
| 2.6.2 基于相关性度量的算法 | 第29-31页 |
| 2.7 非Apriori类算法 | 第31-33页 |
| 2.8 本章小结 | 第33-35页 |
| 第三章 基于兴趣度的关联规则挖掘算法 | 第35-54页 |
| 3.1 兴趣度度量描述 | 第35-37页 |
| 3.2 一种改进的兴趣度度量方式 | 第37-41页 |
| 3.2.1 新的度量方式的定义 | 第38-39页 |
| 3.2.2 超集兴趣度上界 | 第39-40页 |
| 3.2.3 兴趣度与相关度度量关系 | 第40-41页 |
| 3.2.4 项对超集的兴趣度上界应用 | 第41页 |
| 3.3 基于兴趣度的关联规则挖掘算法 | 第41-43页 |
| 3.3.1 主要思想 | 第41-42页 |
| 3.3.2 关联规则算法实现 | 第42-43页 |
| 3.4 实验分析 | 第43-53页 |
| 3.4.1 时间性能分析 | 第43-46页 |
| 3.4.2 相关项对个数 | 第46-49页 |
| 3.4.3 实验分析 | 第49-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 关联规则算法在气象数据质量控制中的应用 | 第54-84页 |
| 4.1 气象数据质量控制研究现状 | 第54-55页 |
| 4.2 传统的质量控制方式 | 第55-59页 |
| 4.2.1 数据预处理 | 第56页 |
| 4.2.2 气候界限值检查 | 第56-57页 |
| 4.2.3 台站极值检查 | 第57页 |
| 4.2.4 时间一致性检查 | 第57-58页 |
| 4.2.5 内部一致性检查 | 第58页 |
| 4.2.6 传统质量控制方法的不足 | 第58-59页 |
| 4.3 基于兴趣度度量关联规则的气象观测数据质量控制算法 | 第59-65页 |
| 4.3.1 模型总流程 | 第59-61页 |
| 4.3.2 气象观测数据的采集与预处理 | 第61-62页 |
| 4.3.3 气象观测数据的关联规则挖掘 | 第62页 |
| 4.3.4 气象观测数据的规则匹配 | 第62-65页 |
| 4.4 质控模型实验 | 第65-81页 |
| 4.4.1 检测指标 | 第66页 |
| 4.4.2 区间为9段的两组测试数据集 | 第66-69页 |
| 4.4.3 区间为8段的两组测试数据集 | 第69-72页 |
| 4.4.4 误差值的影响 | 第72-76页 |
| 4.4.5 区间段的选择 | 第76-79页 |
| 4.4.6 多属性误差数据 | 第79-81页 |
| 4.5 与传统质控模型对比 | 第81-83页 |
| 4.6 本章小结 | 第83-84页 |
| 第五章 气象观测数据质量控制原型系统的设计与实现 | 第84-100页 |
| 5.1 系统的设计需求与系统架构 | 第84-85页 |
| 5.2 系统数据库设计 | 第85-87页 |
| 5.2.1 主流数据库 | 第85-86页 |
| 5.2.2 数据库的选择 | 第86-87页 |
| 5.2.3 数据库的设计 | 第87页 |
| 5.3 系统的主要功能实现 | 第87-95页 |
| 5.3.1 数据采集与预处理模块 | 第89-91页 |
| 5.3.2 规则集范例库生成模块 | 第91-93页 |
| 5.3.3 异常识别模块 | 第93-95页 |
| 5.4 实验结果分析 | 第95-98页 |
| 5.4.1 检测结果 | 第95-97页 |
| 5.4.2 评价指标以及结果分析 | 第97-98页 |
| 5.5 本章小结 | 第98-100页 |
| 第六章 总结与展望 | 第100-103页 |
| 6.1 本文研究工作总结 | 第100-101页 |
| 6.2 论文的主要创新点 | 第101页 |
| 6.3 不足与展望 | 第101-103页 |
| 参考文献 | 第103-107页 |
| 攻读硕士期间的科研成果 | 第107-108页 |
| 致谢 | 第108页 |