基于Hadoop的雷灾文本聚类与雷暴预测模型的研究
摘要 | 第1-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第8-14页 |
·研究背景和意义 | 第8-9页 |
·国内外研究现状 | 第9-12页 |
·国内气象数据挖掘研究现状 | 第9-10页 |
·国外气象数据挖掘研究现状 | 第10页 |
·云计算研究发展现状 | 第10-12页 |
·论文的主要工作 | 第12页 |
·论文组织结构 | 第12-14页 |
第二章 气象数据挖掘 | 第14-28页 |
·数据挖掘简介 | 第14-15页 |
·数据挖掘过程 | 第15-16页 |
·常用数据挖掘算法 | 第16-17页 |
·朴素贝叶斯分类算法 | 第17-21页 |
·贝叶斯定理 | 第18页 |
·算法思想 | 第18-19页 |
·算法框架模型 | 第19-20页 |
·算法流程 | 第20-21页 |
·算法的问题 | 第21页 |
·Fisher判别准则 | 第21-25页 |
·基本思想 | 第22页 |
·算法过程 | 第22-25页 |
·K-me-聚类算法 | 第25-27页 |
·基本思想 | 第25页 |
·基本过程 | 第25-27页 |
·本章小结 | 第27-28页 |
第三章 ThunderCloud资源存储平台 | 第28-44页 |
·ThunderCloud平台构架 | 第28-33页 |
·ThunderCloud平台搭建 | 第28-31页 |
·Hadoop相关项目介绍 | 第31-33页 |
·HDFS介绍 | 第33-40页 |
·HDFS体系架构 | 第33-36页 |
·HDFS文件读写 | 第36-38页 |
·文件块放置策略及副本管理 | 第38-40页 |
·HDFS负载均衡 | 第40页 |
·MapReduce编程框架 | 第40-43页 |
·MapReduce简介 | 第40-41页 |
·MapReduce作业机制 | 第41-43页 |
·本章小结 | 第43-44页 |
第四章 基于MRKM的雷灾文本聚类 | 第44-51页 |
·雷灾文本聚类相关技术 | 第44-46页 |
·文本的预处理 | 第44-45页 |
·文本表示模型 | 第45页 |
·向量相似度度量 | 第45-46页 |
·MRKM雷灾文本聚类 | 第46-49页 |
·MRKM雷灾文本实验及评估 | 第49-50页 |
·本章小结 | 第50-51页 |
第五章 基于MRNB的雷暴预测模型 | 第51-66页 |
·气象资料的选取 | 第51页 |
·气象因子的选择 | 第51-53页 |
·气象资料的预处理 | 第53-55页 |
·MRNB的设计与实现 | 第55-60页 |
·MRNB实验对比与评估 | 第60-64页 |
·Fisher雷暴预测模型 | 第60-61页 |
·实验对比 | 第61-64页 |
·本章小结 | 第64-66页 |
第六章 总结与展望 | 第66-68页 |
·论文总结 | 第66页 |
·本文所存在的不足 | 第66-67页 |
·工作展望 | 第67-68页 |
参考文献 | 第68-73页 |
作者简介 | 第73-74页 |
致谢 | 第74页 |