数据挖掘技术在气象资料分析中应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 引言 | 第9-11页 |
| 1 数据挖掘技术 | 第11-17页 |
| ·数据挖掘方法 | 第11-12页 |
| ·数据挖掘流程 | 第12页 |
| ·数据挖掘功能和任务 | 第12-14页 |
| ·数据挖掘技术应用 | 第14-15页 |
| ·论文结构和组织 | 第15-17页 |
| 2 气象资料预处理 | 第17-26页 |
| ·气象资料特点 | 第17页 |
| ·预处理概述 | 第17-20页 |
| ·数据清洗 | 第18页 |
| ·数据集成 | 第18-19页 |
| ·数据转换 | 第19-20页 |
| ·数据消减 | 第20页 |
| ·气象资料的预处理 | 第20-26页 |
| 3 气象资料的孤立点分析 | 第26-33页 |
| ·孤立点分析主要技术 | 第26-28页 |
| ·气象数据孤立点分析 | 第28-33页 |
| ·箱线图 | 第28-30页 |
| ·异常个案分析 | 第30-33页 |
| 4 气象资料的分类研究 | 第33-48页 |
| ·C5.0算法概述 | 第33-34页 |
| ·决策树—降雨预测 | 第34-39页 |
| ·建模分析 | 第34-38页 |
| ·规则验证 | 第38-39页 |
| ·决策树—污染因子浓度预测 | 第39-48页 |
| 5 气象资料聚类分析 | 第48-59页 |
| ·类轮廓的定义和求解 | 第48-50页 |
| ·类边界点和类轮廓定义 | 第48-49页 |
| ·类轮廓完整的求解方法 | 第49-50页 |
| ·基于类轮廓层次聚类算法的设计 | 第50-53页 |
| ·类与类之间的聚类 | 第50-52页 |
| ·簇与孤立点的聚类 | 第52页 |
| ·算法流程 | 第52-53页 |
| ·实验分析 | 第53-58页 |
| ·基于类轮廓层次聚类的分析 | 第58-59页 |
| 6 气象资料关联规则挖掘 | 第59-68页 |
| ·关联规则挖掘及算法 | 第59-60页 |
| ·Apriori算法 | 第60-61页 |
| ·数据预处理 | 第61-63页 |
| ·关联规则建模 | 第63-65页 |
| ·结果分析 | 第65-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 在学研究成果 | 第73-74页 |
| 致谢 | 第74页 |
