降水点分类预测方法研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究背景及意义 | 第11-12页 |
1.1.1 研究背景 | 第11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 论文的主要工作 | 第13-14页 |
1.4 论文的组织结构 | 第14页 |
1.5 研究的技术路线 | 第14-15页 |
1.6 本章小结 | 第15-16页 |
第二章 获取训练数据 | 第16-21页 |
2.1 数据文件的匹配 | 第16页 |
2.2 文件读取 | 第16-17页 |
2.3 降水模拟参数的获取 | 第17-18页 |
2.4 训练数据的获取 | 第18-19页 |
2.5 本章小结 | 第19-21页 |
第三章 贝叶斯网络分类预测 | 第21-38页 |
3.1 基础知识 | 第21-23页 |
3.1.1 基本概率公式 | 第21-23页 |
3.1.2 贝叶斯概率 | 第23页 |
3.2 贝叶斯网络 | 第23-27页 |
3.2.1 贝叶斯网络的定义 | 第24-25页 |
3.2.2 贝叶斯网络的学习 | 第25-27页 |
3.3 贝叶斯网络分类器 | 第27-30页 |
3.3.1 贝叶斯网络分类器的定义 | 第27-28页 |
3.3.2 几种常见的贝叶斯网络分类器 | 第28-29页 |
3.3.3 分类器性能评价方法 | 第29-30页 |
3.4 基于贝叶斯网络的分类实验 | 第30-37页 |
3.4.1 建立贝叶斯网络分类器 | 第31页 |
3.4.2 基于贝叶斯网络分类器的数据预测 | 第31-37页 |
3.5 本章小结 | 第37-38页 |
第四章BP神经网络分类预测 | 第38-51页 |
4.1 BP神经网络 | 第38-43页 |
4.1.1 BP神经网络的原理 | 第38-39页 |
4.1.2 BP神经网络的激活函数 | 第39-40页 |
4.1.3 BP神经网络的学习规则 | 第40-43页 |
4.2 BP神经网络的模型的建立 | 第43-44页 |
4.3 BP神经网络的算法 | 第44-45页 |
4.4 基于BP神经网络的分类实验 | 第45-50页 |
4.4.1 BP神经网络分类器的评价 | 第45-48页 |
4.4.2 基于BP神经网络分类器的数据预测 | 第48-50页 |
4.5 本章小结 | 第50-51页 |
第五章两种分类方法的对比分析 | 第51-55页 |
5.1 本章小结 | 第54-55页 |
第六章 总结与展望 | 第55-58页 |
6.1 论文总结 | 第55-56页 |
6.2 本文的不足 | 第56页 |
6.3 工作展望 | 第56-58页 |
致谢 | 第58-59页 |
参考文献 | 第59-62页 |