| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 云环境下机器学习算法在气象领域的研究现状 | 第11页 |
| 1.2.2 能见度、湿度与PM_(10)的相关性研究 | 第11-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第二章 云计算相关概述 | 第14-18页 |
| 2.1 云计算定义 | 第14页 |
| 2.2 云计算特点 | 第14-15页 |
| 2.3 云计算架构的基本层次 | 第15-16页 |
| 2.4 云计算关键技术 | 第16页 |
| 2.5 云计算机器学习平台的构建 | 第16-17页 |
| 2.6 本章小结 | 第17-18页 |
| 第三章 机器学习基本理论 | 第18-26页 |
| 3.1 机器学习的概述 | 第18-19页 |
| 3.2 云环境下机器学习模型 | 第19-25页 |
| 3.2.1 线性回归定义 | 第19-20页 |
| 3.2.2 云环境下DMLR模型设计思想 | 第20-21页 |
| 3.2.3 随机森林定义 | 第21-22页 |
| 3.2.4 云环境下DRF模型设计思想 | 第22-23页 |
| 3.2.5 逻辑回归定义 | 第23-24页 |
| 3.2.6 云环境下DLR模型设计思想 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 云环境下南宁PM_(10)-能见度-湿度相关性分析的具体实现 | 第26-48页 |
| 4.1 算法平台环境及数据准备 | 第26-28页 |
| 4.1.1 实验环境介绍 | 第26页 |
| 4.1.2 实验方法 | 第26页 |
| 4.1.3 实验数据集 | 第26-28页 |
| 4.2 数据预处理 | 第28-29页 |
| 4.2.1 缺失值填充 | 第28页 |
| 4.2.2 类型转换 | 第28页 |
| 4.2.3 拆分 | 第28-29页 |
| 4.3 统计分析 | 第29页 |
| 4.3.1 全表统计 | 第29页 |
| 4.3.2 直方图统计 | 第29页 |
| 4.4 云环境下机器学习模型的实验结果及分析 | 第29-47页 |
| 4.4.1 实验所需表的构建过程 | 第29-33页 |
| 4.4.2 DMLR模型实验结果与分析 | 第33-38页 |
| 4.4.2.1 实验过程 | 第33-35页 |
| 4.4.2.2 实验结果及分析 | 第35-38页 |
| 4.4.3 DRF模型与DLR模型实验结果与分析 | 第38-46页 |
| 4.4.3.1 实验过程 | 第38-42页 |
| 4.4.3.2 实验结果及分析 | 第42-46页 |
| 4.4.4 算法的运行时间比较 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文工作总结 | 第48页 |
| 5.2 未来展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士期间发表论文及其他学术成果 | 第53-54页 |
| 致谢 | 第54-55页 |
