首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--专家系统、知识工程论文

知识发现技术在赤潮分析预测中的应用研究

摘要第1-15页
Abstract第15-19页
第1章 绪论第19-31页
   ·研究背景和意义第19-20页
   ·赤潮概述第20-21页
   ·赤潮预测预警研究的进展第21-27页
     ·经验预测法第22-23页
     ·统计预测法第23页
     ·动力学模型预测法第23-24页
     ·神经网络预测法第24-26页
     ·其它人工智能预测方法第26-27页
   ·研究目标第27-29页
   ·文章安排第29-31页
第2章 小波分析在赤潮数据资料去噪中的应用第31-52页
   ·小波去噪原理第32-33页
   ·小波阈值去噪模型及步骤第33-35页
   ·基于平移不变的小波指数阈值去噪方法第35-49页
     ·平移不变小波变换第35-37页
     ·指数阈值函数第37-44页
       ·风险测度的计算第39-41页
       ·风险测度和阈值t的关系第41-42页
       ·风险测度和小波系数的关系第42-43页
       ·风险测度和η的关系第43-44页
     ·仿真结果及分析第44-49页
   ·实例分析第49-51页
   ·小结第51-52页
第3章 模糊聚类分析在赤潮数据资料分类中的应用第52-71页
   ·模糊集第53-55页
     ·模糊关系第53-54页
     ·模糊子集与隶属函数第54-55页
   ·模糊聚类分析第55-60页
     ·聚类分析概述第55-56页
     ·基于目标函数的聚类分析第56-60页
       ·相关概念第57-58页
       ·模糊划分准则第58-60页
       ·模糊c均值聚类算法第60页
   ·模糊加权FCM算法第60-66页
     ·数据规范化第61-62页
     ·加权系数第62-64页
     ·算法实现步骤第64页
     ·仿真实验第64-66页
   ·实例分析第66-70页
     ·赤潮生消过程第66页
     ·FWFCM算法在赤潮过程辨识中的应用第66-70页
   ·小结第70-71页
第4章 基于小波网络的赤潮组合预测模型第71-90页
   ·小波神经网络第72-78页
     ·人工神经网络第72-73页
     ·小波网络的研究现状第73-74页
     ·小波网络的组成结构第74-75页
     ·小波网络模型第75-76页
     ·小波网络学习算法第76-78页
   ·主元分析第78-79页
   ·赤潮藻类密度组合预测模型第79-82页
     ·模型组成第79-82页
       ·数据降维第80-81页
       ·数据聚类第81页
       ·模型训练和预测第81-82页
     ·模型特点第82页
   ·实验及结果分析第82-88页
   ·小结第88-90页
第5章 赤潮知识发现平台架构第90-108页
   ·知识发现技术第91-96页
     ·知识发现的概述第91-92页
     ·知识发现基本过程第92-94页
     ·知识发现基本任务第94-95页
     ·知识发现软件发展现状第95-96页
   ·软件架构模型第96-97页
   ·赤潮知识发现平台模型第97-103页
     ·基本模型第98-99页
     ·基本对象第99-102页
     ·模型的特点第102-103页
   ·赤潮知识发现平台设计方案第103-107页
     ·知识发现服务组件库第104-105页
     ·知识发现可视化编程工具第105-107页
       ·KDVPS基本组成第105-106页
       ·KDVPS基本工作流程第106-107页
   ·小结第107-108页
第6章 总结与展望第108-111页
   ·主要创新点与结论第108-109页
   ·展望第109-111页
参考文献第111-123页
致谢第123-124页
攻读博士学位期间取得的科研成果第124-126页
 1 完成的主要论文第124-125页
 2 取得的软件著作权第125页
 3 获奖项目第125页
 4 承担的科研课题第125-126页
学位论文评阅及答辩情况表第126-136页

论文共136页,点击 下载论文
上一篇:粗决策规律与粗规律挖掘
下一篇:混合品种汽车装配线平衡与排序问题研究