| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 选题背景与意义 | 第10-11页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 研究现状分析 | 第11-15页 |
| 1.2.1 关联规则挖掘的研究现状分析 | 第11-13页 |
| 1.2.2 地理事件研究现状分析 | 第13-15页 |
| 1.3 论文研究内容与技术路线 | 第15-17页 |
| 1.3.1 论文研究内容 | 第15页 |
| 1.3.2 论文研究技术路线 | 第15-17页 |
| 第二章 面向事件挖掘时空事务表构建 | 第17-22页 |
| 2.1 事件相关概念与定义 | 第17页 |
| 2.2 时空事务表构建 | 第17-21页 |
| 2.2.1 提取月均距平值 | 第18页 |
| 2.2.2 海洋要素离散化 | 第18-19页 |
| 2.2.3 单一时刻海洋要素异常状态提取 | 第19-20页 |
| 2.2.4 事件挖掘事务表构建 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 海洋异常事件的关联规则挖掘方法 | 第22-45页 |
| 3.1 关联规则挖掘的基本概念 | 第22-24页 |
| 3.1.1 基本概念 | 第22-24页 |
| 3.1.2 关联规则分类 | 第24页 |
| 3.2 关联规则挖掘Apriori算法 | 第24-29页 |
| 3.2.1 Apriori算法基本思想 | 第24-26页 |
| 3.2.2 Apriori算法描述 | 第26-27页 |
| 3.2.3 算法实例 | 第27-29页 |
| 3.3 海洋异常事件关联规则挖掘算法 | 第29-43页 |
| 3.3.1 基于共同发生事件的关联规则挖掘算法 | 第29-35页 |
| 3.3.2 带有时态谓词关系的关联规则挖掘 | 第35-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 太平洋实例验证与算法分析 | 第45-61页 |
| 4.1 研究区与数据 | 第45-47页 |
| 4.1.1 研究区概况 | 第45页 |
| 4.1.2 遥感栅格数据 | 第45-46页 |
| 4.1.3 数据库表 | 第46-47页 |
| 4.2 太平洋实例验证分析 | 第47-55页 |
| 4.2.1 基于CE-ARMA算法的太平洋实例验证分析 | 第47-50页 |
| 4.2.2 基于MAETP-ARMA算法的太平洋实例验证分析 | 第50-55页 |
| 4.3 算法分析 | 第55-58页 |
| 4.3.1 算法时间复杂度分析 | 第55-56页 |
| 4.3.2 算法效率分析 | 第56-58页 |
| 4.4 本章小结 | 第58-61页 |
| 第五章 总结与展望 | 第61-64页 |
| 5.1 论文总结 | 第61-62页 |
| 5.2 不足与展望 | 第62-64页 |
| 5.2.1 不足 | 第62-63页 |
| 5.2.2 展望 | 第63-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 在学期间发表的论文和取得的学术成果 | 第70页 |