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 |