| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-14页 |
| 1.1.1 国内研究现状 | 第12-13页 |
| 1.1.2 国外研究现状 | 第13-14页 |
| 1.2 研究目的 | 第14-15页 |
| 1.3 本文贡献及创新点 | 第15-16页 |
| 1.4 论文结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 背景技术 | 第17-27页 |
| 2.1 稀疏数据问题概述 | 第17-18页 |
| 2.2 多视图学习(Multi-view learning)方法概述 | 第18-22页 |
| 2.2.1 联合训练(Co-training) | 第19-20页 |
| 2.2.2 多核学习(Multiple Kernel Learning) | 第20-21页 |
| 2.2.3 基于子空间学习的方法 | 第21-22页 |
| 2.3 Python生态相关技术 | 第22-26页 |
| 2.3.1 Requests库 | 第22-23页 |
| 2.3.2 Pandas库 | 第23-24页 |
| 2.3.3 Flask应用框架 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 雾霾数据获取与分析系统架构设计 | 第27-40页 |
| 3.1 总体功能与要求 | 第27-29页 |
| 3.1.1 系统总体要求 | 第27-29页 |
| 3.1.2 功能设计 | 第29页 |
| 3.2 系统总体架构 | 第29-32页 |
| 3.2.1 系统总体架构 | 第29-31页 |
| 3.2.2 数据获取预处理层 | 第31页 |
| 3.2.3 前端可视化交互层 | 第31-32页 |
| 3.3 系统总体流程 | 第32-35页 |
| 3.3.1 数据的采集流程 | 第33-34页 |
| 3.3.2 数据的展示流程 | 第34-35页 |
| 3.4 数据源及数据类型 | 第35-39页 |
| 3.4.1 基于地面监测站点数据 | 第35-36页 |
| 3.4.2 基于卫星的气溶胶数据 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 雾霾数据可视化分析模块 | 第40-46页 |
| 4.1 基于Flask的前端展示模块 | 第40-42页 |
| 4.2 前端可视化交互效果分析 | 第42-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第5章 基于多视图的稀疏数据解决算法模块 | 第46-58页 |
| 5.1 模型输入数据特点 | 第46-48页 |
| 5.1.1 气溶胶数据跟PM2.5具有相关性 | 第46-47页 |
| 5.1.2 数据缺失的完全随机性 | 第47-48页 |
| 5.2 IMVL算法模型 | 第48-55页 |
| 5.2.1 模型公式 | 第51-53页 |
| 5.2.2 模型优化 | 第53-55页 |
| 5.3 算法实现 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 实验与分析 | 第58-67页 |
| 6.1 实验环境方法及数据介绍 | 第58-60页 |
| 6.2 实验结果 | 第60-65页 |
| 6.2.1 合成数据验证结果 | 第60-62页 |
| 6.2.2 气溶胶数据验证结果 | 第62-65页 |
| 6.3 实验结论 | 第65-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第7章 总结与展望 | 第67-70页 |
| 7.1 工作总结 | 第67-68页 |
| 7.2 展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73-75页 |
| 致谢 | 第75页 |