暴雨中冰雹的识别
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题背景与选题意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 数据挖掘的研究现状 | 第8-10页 |
| 1.2.2 流形学习的研究现状 | 第10-11页 |
| 1.2.3 冰雹云识别的研究现状 | 第11页 |
| 1.3 本文主要工作 | 第11-13页 |
| 第二章 特征数据库和显示界面 | 第13-19页 |
| 2.1 图像特征描述 | 第13页 |
| 2.2 区域选择 | 第13-14页 |
| 2.3 雷达图像特征提取 | 第14-15页 |
| 2.4 图像特征数据库的实现 | 第15-17页 |
| 2.5 结果显示 | 第17-18页 |
| 2.6 小结 | 第18-19页 |
| 第三章 流形学习及雷达图像的关联规则挖掘 | 第19-32页 |
| 3.1 流形学习的数学基础 | 第19-21页 |
| 3.1.1 流形的定义 | 第19-20页 |
| 3.1.2 维数约简的一些数学定义 | 第20-21页 |
| 3.1.3 奇异值分解定理 | 第21页 |
| 3.2 本征维数 | 第21-23页 |
| 3.2.1 本征维数的意义 | 第21-23页 |
| 3.2.2 本征维数估计方法 | 第23页 |
| 3.3 流形学习 | 第23-27页 |
| 3.3.1 多维尺度变换 | 第24页 |
| 3.3.2 等距映射 | 第24-25页 |
| 3.3.3 局部线性嵌入 | 第25页 |
| 3.3.4 Laplacian特征映射 | 第25-26页 |
| 3.3.5 局部切空间排列算法(LTSA) | 第26-27页 |
| 3.4 数据挖掘与KDD | 第27-28页 |
| 3.4.1 数据库中的知识发现技术 | 第27页 |
| 3.4.2 数据挖掘 | 第27-28页 |
| 3.5 关联规则挖掘 | 第28-31页 |
| 3.5.1 关联规则挖掘的概念 | 第29页 |
| 3.5.2 关联规则分类 | 第29-30页 |
| 3.5.3 Apriori算法 | 第30-31页 |
| 3.5.4 FP-树算法 | 第31页 |
| 3.6 小结 | 第31-32页 |
| 第四章 暴雨中冰雹云的识别 | 第32-46页 |
| 4.1 建立雷达图像特征数据库 | 第32-33页 |
| 4.2 雷达图像特征数据库数据约简 | 第33-37页 |
| 4.2.1 流形学习算法选取 | 第33-35页 |
| 4.2.2 本征维数选取 | 第35-36页 |
| 4.2.3 K选取 | 第36页 |
| 4.2.4 LTSA的算法步骤 | 第36-37页 |
| 4.3 数据离散 | 第37-38页 |
| 4.4 精简雷达图像特征数据库数据挖掘 | 第38-40页 |
| 4.5 基于规则的暴雨中冰雹云识别 | 第40-45页 |
| 4.5.1 试验过程 | 第40-44页 |
| 4.5.2 试验数据分析 | 第44-45页 |
| 4.6 小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-50页 |
| 5.1 系统集成 | 第46页 |
| 5.2 系统流程图 | 第46-48页 |
| 5.3 本文工作总结 | 第48页 |
| 5.4 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55页 |
