基于内容的卫星云图挖掘方法研究

摘要	第1-14页
Abstract	第14-16页
第一章 绪论	第16-34页
·研究背景	第16-18页
·问题提出	第18-19页
·相关研究工作	第19-28页
·云类智能识别研究现状	第19-20页
·卫星云图与降雨关系研究现状	第20-23页
·数据挖掘技术研究现状	第23-28页
·论文主要工作及贡献	第28-31页
·论文的组织结构	第31-34页
第二章 云图预处理方法研究	第34-47页
·引言	第34-35页
·卫星云图相关理论	第35-36页
·卫星云图基本概念	第35页
·卫星云图分类	第35-36页
·云图噪声剔除方法研究	第36-39页
·云图去噪算法设计	第36-38页
·实验结果与分析	第38-39页
·云图标注对象剔除方法研究	第39-46页
·标注对象定位方法	第40-41页
·整体变分基本原理	第41-42页
·基于整体变分的标注对象剔除方法	第42-44页
·实验结果与分析	第44-46页
·本章小结	第46-47页
第三章 云图感兴趣区域提取方法研究	第47-83页
·引言	第47页
·聚类相关理论	第47-49页
·FCM算法概述	第49-51页
·基于FCM聚类算法的改进	第51-76页
·聚类个数自适应确定方法	第51-61页
·相似性测度函数的改进	第61-64页
·半监督思想与聚类过程的结合	第64-76页
·面向云图的感兴趣区域提取	第76-82页
·加权快速FCM聚类算法设计	第76-78页
·云图感兴趣区域提取	第78-79页
·实验结果与分析	第79-82页
·本章小结	第82-83页
第四章 云类智能识别方法研究	第83-125页
·引言	第83页
·面向云类识别的特征提取	第83-100页
·人工识别云类的依据	第83-85页
·云纹理特征提取方法	第85-88页
·云形态特征提取方法	第88-94页
·云图特征分析与选择	第94-100页
·基于IPSO—BP网络模型的云类识别	第100-113页
·BP神经网络相关理论	第100-104页
·粒子群优化技术	第104-105页
·IPSO—BP网络的设计与实现	第105-108页
·实验结果与分析	第108-113页
·基于多特征的组合云类识别模型	第113-123页
·决策融合相关理论	第114-116页
·基于投票系统的多分类器融合方法	第116-119页
·实验结果与分析	第119-123页
·本章小结	第123-125页
第五章 云图—雨量多维量化关联规则挖掘研究	第125-164页
·引言	第125-126页
·关联规则挖掘相关理论	第126-128页
·关联规则基本概念	第126页
·Apriori算法理论	第126-128页
·图像数据关联规则特点	第128-129页
·基于云图和雨量的混合数据集	第129-137页
·雨量数据的预处理	第129-131页
·卫星云图的参数化处理	第131-134页
·云图和雨量数据的时空同步	第134-136页
·云图—雨量数据多维立方体	第136-137页
·数量属性分区方法	第137-145页
·关联规则属性分类	第137页
·基于聚类的数量属性分区	第137-141页
·实验结果与分析	第141-145页
·基于数据分割的两阶段关联规则挖掘算法	第145-162页
·常规算法特点与不足	第145-146页
·相关定义及形式化描述	第146-147页
·算法设计与描述	第147-152页
·算法分析	第152-154页
·实验结果与分析	第154-162页
·本章小结	第162-164页
第六章 结束语	第164-167页
·论文工作总结	第164-165页
·未来工作展望	第165-167页
致谢	第167-168页
参考文献	第168-178页
作者在学期间取得的学术成果	第178-179页
攻读博士期间参与的科研项目	第179页