基于关联规则和聚类分析的异常天气挖掘
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究背景 | 第10-15页 |
| ·课题来源 | 第10页 |
| ·课题研究的意义 | 第10-11页 |
| ·气象资料挖掘研究现状 | 第11-15页 |
| ·论文研究目标和内容 | 第15页 |
| ·论文组织结构 | 第15-18页 |
| 第二章 关联规则挖掘技术 | 第18-27页 |
| ·关联规则概述 | 第18-21页 |
| ·关联规则的基本概念 | 第18-19页 |
| ·关联规则的种类 | 第19-20页 |
| ·关联规则的挖掘步骤 | 第20-21页 |
| ·Apriori算法 | 第21-24页 |
| ·Apriori 算法的实现过程 | 第21-24页 |
| ·Apriori 算法评价 | 第24页 |
| ·多维关联规则挖掘 | 第24-26页 |
| ·多维关联规则实例 | 第24-25页 |
| ·多维关联规则挖掘的方法 | 第25页 |
| ·基于多维关联规则的算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 聚类分析挖掘技术 | 第27-38页 |
| ·聚类分析概述 | 第27-29页 |
| ·聚类分析的定义 | 第27-28页 |
| ·聚类分析中的数据类型 | 第28页 |
| ·聚类分析中的距离度量 | 第28-29页 |
| ·聚类分析中的主要算法 | 第29-33页 |
| ·k-均值聚类算法 | 第31-32页 |
| ·k-中心点算法 | 第32-33页 |
| ·围绕极端值的三分聚类算法 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 气象要素 | 第38-44页 |
| ·直接关联大气的气象要素 | 第38-40页 |
| ·大气及大气的垂直结构 | 第38页 |
| ·气压 | 第38-39页 |
| ·风 | 第39-40页 |
| ·直接关联降水的气象要素 | 第40-41页 |
| ·降水量 | 第40页 |
| ·湿度 | 第40-41页 |
| ·直接关联热量的气象要素 | 第41-42页 |
| ·气温 | 第41-42页 |
| ·日照时数 | 第42页 |
| ·关于天气预报 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 系统详细设计与功能实现 | 第44-61页 |
| ·需求概述 | 第44-45页 |
| ·数据库设计 | 第45-49页 |
| ·概念结构设计 | 第45-48页 |
| ·物理结构设计 | 第48-49页 |
| ·系统主要类图设计 | 第49-50页 |
| ·用例模型的建立 | 第50-51页 |
| ·系统核心模块实现 | 第51-60页 |
| ·系统核心函数定义 | 第51-53页 |
| ·日降水量模块 | 第53-55页 |
| ·月降水量模块 | 第55-57页 |
| ·年降水量模块 | 第57-58页 |
| ·日气温模块 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 挖掘异常天气 | 第61-81页 |
| ·数据整理 | 第61-65页 |
| ·倍比因子和气温 | 第65-72页 |
| ·倍比因子 | 第65页 |
| ·用倍比因子发现错误 | 第65-67页 |
| ·倍比因子横向预测气温 | 第67页 |
| ·倍比因子纵向预测气温 | 第67-71页 |
| ·通过“今日”气温预测“明日”气温 | 第71-72页 |
| ·用三分聚类算法挖掘降水量 | 第72-78页 |
| ·挖掘日降水量 | 第72-73页 |
| ·挖掘月总降水量 | 第73-75页 |
| ·挖掘年总降水量 | 第75-78页 |
| ·用关联规则挖掘气温和降水量 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第七章 系统性能测试与对比 | 第81-83页 |
| ·算法输入输出比较 | 第81页 |
| ·消耗时间的比较 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第八章 总结和展望 | 第83-85页 |
| ·本论文的研究总结 | 第83-84页 |
| ·工作展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-90页 |
