首页--天文学、地球科学论文--大气科学(气象学)论文--天气预报论文--主要气象要素和天气现象预报论文--降水预报论文

朴素贝叶斯分类算法在降雨预测中的研究与应用

摘要第5-6页
Abstract第6-7页
第一章 绪论第8-15页
    1.1 研究背景及意义第8-9页
    1.2 国内外研究现状第9-13页
        1.2.1 气象数据挖掘的研究现状第9-10页
        1.2.2 朴素贝叶斯算法的研究现状第10-12页
        1.2.3 离散化算法的研究现状第12-13页
    1.3 研究内容第13-14页
    1.4 论文的结构第14-15页
第二章 气象数据挖掘相关知识概述第15-28页
    2.1 数据挖掘第15-16页
        2.1.1 数据挖掘的定义第15页
        2.1.2 数据挖掘的过程第15-16页
    2.2 气象数据第16-20页
        2.2.1 气象数据的特点第16-17页
        2.2.2 气象数据预处理第17-18页
        2.2.3 常用的气象数据挖掘方法第18-20页
    2.3 朴素贝叶斯分类算法第20-25页
        2.3.1 贝叶斯分类相关理论第20-21页
        2.3.2 贝叶斯分类算法第21-22页
        2.3.3 朴素贝叶斯分类模型第22-25页
    2.4 数据离散化第25-27页
        2.4.1 离散化的概念第25-26页
        2.4.2 离散化的评价标准第26-27页
    2.5 本章小结第27-28页
第三章 基于类别属性关联离散算法的改进朴素贝叶斯分类模型第28-40页
    3.1 改进的类-属性关联离散化算法第28-32页
        3.1.1 CAIM算法第28-30页
        3.1.2 CAIR与CAIU标准第30-31页
        3.1.3 CAID算法第31-32页
    3.2 基于类别属性关联离散算法的朴素贝叶斯分类模型第32-35页
        3.2.1 降雨预测因子的选择第32-34页
        3.2.2 基于CAID的朴素贝叶斯分类算法第34-35页
    3.3 实验与分析第35-39页
        3.3.1 实验环境与数据第35-36页
        3.3.2 实验结果分析第36-39页
    3.4 本章小结第39-40页
第四章 基于属性加权的改进朴素贝叶斯分类算法第40-48页
    4.1 信息论基础第40-42页
        4.1.1 熵和条件熵第40-41页
        4.1.2 互信息与条件互信息第41-42页
    4.2 改进加权的朴素贝叶斯分类模型第42-44页
        4.2.1 改进的属性赋权方法第42-43页
        4.2.2 加权朴素贝叶斯降雨等级预测模型第43-44页
    4.3 实验与结果分析第44-48页
        4.3.1 实验环境与数据第44页
        4.3.2 实验结果分析第44-47页
        4.3.3 本章小结第47-48页
第五章 总结与展望第48-50页
    5.1 工作总结第48-49页
    5.2 未来展望第49-50页
致谢第50-51页
参考文献第51-55页
作者简介第55页

论文共55页,点击 下载论文
上一篇:温度传感器辐射误差修正及自动气象站设计
下一篇:多增益雷电磁脉冲信号传感器的研制与应用