| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·选题背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·研究内容及研究成果 | 第11-12页 |
| ·章节安排 | 第12-14页 |
| 2 几种数据挖掘算法介绍 | 第14-21页 |
| ·分类算法 | 第14-17页 |
| ·K 近邻算法 | 第14-15页 |
| ·贝叶斯算法 | 第15-17页 |
| ·多项式回归算法 | 第17-18页 |
| ·流形学习算法 | 第18-20页 |
| ·LLE: 局部线性嵌入算法 | 第19页 |
| ·SLLE: 有监督局部线性嵌入算法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于数据挖掘技术的余震预测 | 第21-36页 |
| ·基于自适应局部线性化的余震间隔时间预测方法 | 第21-28页 |
| ·自适应局部线性化基本原理 | 第21-22页 |
| ·基于自适应局部线性化的余震间隔时间预测方法 | 第22-25页 |
| ·实验结果 | 第25-28页 |
| ·基于PR-KNN 建模方法的余震震级预测 | 第28-35页 |
| ·PR-KNN 方法描述 | 第29-30页 |
| ·基于PR-KNN 方法的余震震级预测 | 第30-31页 |
| ·实验结果 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于流形学习的分类算法研究 | 第36-42页 |
| ·一种有监督流形学习算法PR-SLLE 描述 | 第36-39页 |
| ·基于PR-SLLE 的余震异常检测 | 第39-40页 |
| ·实验结果 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 5 基于数据挖掘的地震趋势预报与评判原型子系统的实现 | 第42-51页 |
| ·系统功能 | 第42-44页 |
| ·余震间隔时间预测模块功能实现 | 第44-46页 |
| ·余震间隔时间预测模块流程 | 第44页 |
| ·余震间隔时间预测模块功能实现 | 第44-46页 |
| ·余震震级预测模块功能实现 | 第46-48页 |
| ·余震震级预测模块流程 | 第46页 |
| ·余震震级预测模块功能实现 | 第46-48页 |
| ·余震异常检测模块功能实现 | 第48-49页 |
| ·余震异常检测模块流程 | 第48页 |
| ·余震异常检测模块功能实现 | 第48-49页 |
| ·核心模块 | 第49-50页 |
| ·余震间隔时间预测模块 | 第49页 |
| ·余震震级预测模块 | 第49-50页 |
| ·余震异常检测模块 | 第50页 |
| ·本章小结 | 第50-51页 |
| 6 结论 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58页 |