| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文研究内容 | 第14-15页 |
| 1.5 论文结构安排 | 第15-16页 |
| 第2章 相关基础知识 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 户外彩色图像 | 第16-17页 |
| 2.3 天气特征相关知识 | 第17-18页 |
| 2.4 机器学习算法 | 第18-23页 |
| 2.4.1 有监督与无监督 | 第19页 |
| 2.4.2 特征选择 | 第19-20页 |
| 2.4.3 随机森林 | 第20-22页 |
| 2.4.4 K-means聚类 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于随机森林实现天气晴阴分类 | 第24-33页 |
| 3.1 引言 | 第24页 |
| 3.2 方法概述 | 第24-25页 |
| 3.3 新天气特征的提出及引入 | 第25-28页 |
| 3.3.1 天空频率直方图特征 | 第26-27页 |
| 3.3.2 阴影能量特征 | 第27-28页 |
| 3.3.3 透射率特征 | 第28页 |
| 3.4 天气特征的选择 | 第28-31页 |
| 3.4.1 Fisher-RF特征重要性计算方法的构造 | 第29-30页 |
| 3.4.2 特征分析及选取 | 第30-31页 |
| 3.5 天气晴阴算法描述 | 第31页 |
| 3.6 本章小结 | 第31-33页 |
| 第4章 基于无监督聚类实现天气晴阴分类 | 第33-40页 |
| 4.1 引言 | 第33页 |
| 4.2 方法概述 | 第33-34页 |
| 4.3 天气特征分析 | 第34页 |
| 4.4 天气特征的降维 | 第34-38页 |
| 4.4.1 天气特征中心化 | 第35-36页 |
| 4.4.2 构造协方差矩阵 | 第36页 |
| 4.4.3 求解特征值及特征向量 | 第36-38页 |
| 4.5 K-means算法的改进 | 第38页 |
| 4.6 天气晴阴算法描述 | 第38-39页 |
| 4.7 本章小结 | 第39-40页 |
| 第5章 实验及分析结论 | 第40-51页 |
| 5.1 实验环境及数据集 | 第40-41页 |
| 5.2 基于随机森林方法的实验及分析 | 第41-47页 |
| 5.2.1 实验方案 | 第41页 |
| 5.2.2 实验结果与分析 | 第41-47页 |
| 5.3 基于无监督聚类方法的实验及分析 | 第47-50页 |
| 5.3.1 实验方案 | 第47页 |
| 5.3.2 实验结果与分析 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59页 |