| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 主要研究内容 | 第15-16页 |
| 1.3 数据挖掘简介 | 第16-18页 |
| 1.3.1 数据挖掘定义 | 第16-17页 |
| 1.3.2 数据挖掘过程 | 第17-18页 |
| 1.4 国内外研究现状 | 第18-23页 |
| 1.4.1 气象数据挖掘现状 | 第18-22页 |
| 1.4.2 组合分类器的研究现状 | 第22-23页 |
| 1.5 本文的组织结构 | 第23-24页 |
| 第二章 研究领域与相关技术 | 第24-29页 |
| 2.1 气象数据的特点 | 第24-25页 |
| 2.2 常用的气象数据挖掘方法 | 第25-27页 |
| 2.2.1 K最近邻KNN(K-Nearest Nei ghbor)分类算法 | 第25-26页 |
| 2.2.2 支持向量机SVM(Support Vector Machine) | 第26-27页 |
| 2.2.3 时间序列分析 | 第27页 |
| 2.3 本文技术选择原因 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 单SVM分类器建模 | 第29-36页 |
| 3.1 基分类器设计 | 第29-30页 |
| 3.2 气象数据预处理 | 第30页 |
| 3.3 气象数据预处理 | 第30-32页 |
| 3.3.1 气象数据校正 | 第30-31页 |
| 3.3.2 气象数据规范化处理 | 第31-32页 |
| 3.3.3 气象数据归约 | 第32页 |
| 3.4 实验环境 | 第32-33页 |
| 3.5 数据分析 | 第33-34页 |
| 3.6 头验结果与分析 | 第34-35页 |
| 3.7 本章小结 | 第35-36页 |
| 第四章 基于SVM的Bagging组合分类器建模 | 第36-41页 |
| 4 .1建模体系 | 第36-39页 |
| 4.1.1 组合分类器的构建过程 | 第36-38页 |
| 4.1.2 测试及分类过程 | 第38-39页 |
| 4.2 实验结果与分析 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 基于SVM的Adaboost组合分类器建模 | 第41-47页 |
| 5.1 建模体系 | 第41-45页 |
| 5.2 实验结果与分析 | 第45-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第六章 实验结果与比较分析 | 第47-56页 |
| 6.1 基于KNN算法的组合分类器 | 第47页 |
| 6.2 实验结果与比较 | 第47-54页 |
| 6.3 本章小结 | 第54-56页 |
| 总结与展望 | 第56-58页 |
| 总结 | 第56页 |
| 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间从事的科研项目及发表的论文 | 第61-63页 |
| 从事的科研项目 | 第61页 |
| 发表的论文 | 第61-63页 |
| 致谢 | 第63页 |
