| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题背景和意义 | 第11-12页 |
| ·国内外发展现状 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 相关理论与技术 | 第15-25页 |
| ·海量数据的概念及其研究背景 | 第15-16页 |
| ·单颗粒系统功能及原理介绍 | 第16-18页 |
| ·大气颗粒物聚类方法 | 第18-19页 |
| ·数据挖掘分类及其常见算法 | 第19-25页 |
| ·决策树算法 | 第20-21页 |
| ·贝叶斯分类 | 第21-22页 |
| ·逻辑回归算法 | 第22-25页 |
| 第三章 系统需求分析 | 第25-31页 |
| ·系统总体需求描述 | 第25-27页 |
| ·大气颗粒物的成分分析 | 第26-27页 |
| ·大气颗粒物的来源解析 | 第27页 |
| ·系统的功能性需求 | 第27-31页 |
| ·质谱仪数据的提取以及整理 | 第28页 |
| ·大气颗粒物的聚类分析 | 第28-29页 |
| ·大气颗粒物自动命名 | 第29-30页 |
| ·颗粒物分组后的合并 | 第30-31页 |
| 第四章 系统设计 | 第31-45页 |
| ·数据的预处理 | 第31-34页 |
| ·数据预处理的流程 | 第31-33页 |
| ·数据预处理的数据库设计 | 第33-34页 |
| ·共振神经网络算法 | 第34-41页 |
| ·聚类分析中相似度的计算 | 第34-35页 |
| ·数据的规约 | 第35页 |
| ·共振神经网络算法的基本流程 | 第35-40页 |
| ·共振神经网络算法的数据库设计 | 第40-41页 |
| ·大气颗粒物的自动命名 | 第41-45页 |
| ·训练样本集合及测试样本集合比例的选择 | 第41页 |
| ·模型更新的规则 | 第41-43页 |
| ·步长参数的确定 | 第43页 |
| ·逻辑回归模型的主要步骤 | 第43页 |
| ·逻辑回归算法的数据库实现 | 第43-45页 |
| 第五章 系统实现 | 第45-54页 |
| ·数据预处理 | 第45-47页 |
| ·共振神经网络算法 | 第47-50页 |
| ·逻辑回归算法的实现 | 第50-51页 |
| ·颗粒物统计 | 第51-54页 |
| 第六章 系统测试 | 第54-60页 |
| ·测试环境 | 第54页 |
| ·系统时间性能的可行性测试 | 第54-56页 |
| ·聚类分析中相似度参数的测试 | 第56-58页 |
| ·聚类分析参数变化时，聚类分组个数的改变 | 第56-57页 |
| ·聚类分析参数变化时，分组内部颗粒间相似度变化 | 第57-58页 |
| ·自动命名分类算法训练样本及测试样本比例的确定测试 | 第58-60页 |
| 总结展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 发表文章 | 第64-65页 |
| 致谢 | 第65页 |