基于改进贝叶斯网络的气象数据预测算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究动态 | 第12-14页 |
| ·气象数据预测的研究现状 | 第12-13页 |
| ·Hadoop技术研究发展现状 | 第13-14页 |
| ·论文主要工作 | 第14页 |
| ·论文组织结构 | 第14-17页 |
| 第二章 Hadoop相关技术概述 | 第17-29页 |
| ·Hadoop概述 | 第17-18页 |
| ·HDFS介绍 | 第18-20页 |
| ·HDFS的体系结构 | 第18-19页 |
| ·HDFS的工作原理 | 第19-20页 |
| ·MapReduce概述 | 第20-23页 |
| ·MapReduce实现机制 | 第20-21页 |
| ·MapReduce执行流程 | 第21-23页 |
| ·MapReduce运行速度 | 第23页 |
| ·基于Hadoop的气象数据存储方案 | 第23-27页 |
| ·海量气象数据管理面临的主要问题 | 第24页 |
| ·数据中心层次结构 | 第24-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 气象数据预测 | 第29-39页 |
| ·数据挖掘简介 | 第29-31页 |
| ·数据挖掘定义 | 第29-30页 |
| ·数据挖掘过程 | 第30-31页 |
| ·典型气象数据预测方法介绍 | 第31-33页 |
| ·气象数据的特点 | 第31页 |
| ·常用的气象数据预测方法 | 第31-33页 |
| ·贝叶斯分类算法 | 第33-37页 |
| ·贝叶斯分类理论 | 第33-34页 |
| ·朴素贝叶斯分类器 | 第34-36页 |
| ·贝叶斯网络分类器 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于Hadoop的贝叶斯网络分类器的实现 | 第39-59页 |
| ·贝叶斯网络学习研究 | 第39-43页 |
| ·贝叶斯网络结构学习 | 第39-42页 |
| ·贝叶斯网络参数学习 | 第42-43页 |
| ·基于最大信息系数的贝叶斯网络结构学习改进算法 | 第43-47页 |
| ·最大信息系数 | 第43-44页 |
| ·确定初始无向图 | 第44页 |
| ·保证无向图的连通性 | 第44-45页 |
| ·消除无向图中错误的三角环 | 第45-46页 |
| ·确定贝叶斯网络结构 | 第46-47页 |
| ·改进的贝叶斯网络分类器 | 第47-49页 |
| ·现有贝叶斯分类器的不足 | 第47-48页 |
| ·离散贝叶斯网络分类器的算法改进思路 | 第48-49页 |
| ·改进算法的具体实施 | 第49-58页 |
| ·预处理MapReduce过程 | 第49-53页 |
| ·训练贝叶斯网络分类模型的MapReduce实现 | 第53-56页 |
| ·精度评估的MapReduce实现 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 实验与结果分析 | 第59-67页 |
| ·实验环境和数据 | 第59-61页 |
| ·实验环境 | 第59-60页 |
| ·实验数据 | 第60-61页 |
| ·实验结果与分析 | 第61-64页 |
| ·贝叶斯网络结构 | 第61-63页 |
| ·预测精度分析 | 第63-64页 |
| ·本章总结 | 第64-67页 |
| 第六章 总结与展望 | 第67-69页 |
| ·论文总结 | 第67页 |
| ·工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读研究生期间发表过的论文 | 第79页 |
