| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-14页 |
| ·研究背景和研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-12页 |
| ·气象数据挖掘研究现状 | 第8-9页 |
| ·气象数据挖掘的研究方法 | 第9-10页 |
| ·基于Hadoop的数据挖掘研究现状 | 第10-11页 |
| ·气象数据挖掘目前存在的不足 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 气象数据挖掘 | 第14-31页 |
| ·数据挖掘概述 | 第14-21页 |
| ·数据挖掘简介 | 第14-15页 |
| ·数据挖掘实施步骤 | 第15-16页 |
| ·数据挖掘的主要技术 | 第16-21页 |
| ·气象数据挖掘的资料处理 | 第21-23页 |
| ·气象数据的特性 | 第21页 |
| ·气象数据预处理 | 第21-23页 |
| ·降水的分区研究 | 第23-24页 |
| ·降水的时空特征分析 | 第24-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 Hadoop平台 | 第31-36页 |
| ·Hadoop概述 | 第31页 |
| ·Hadoop关键技术 | 第31-35页 |
| ·HDFS分布式文件系统 | 第31-33页 |
| ·Map-Reduce编程模型 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于Hadoop平台的CVKNN算法的实现 | 第36-49页 |
| ·基于类中心向量的KNN算法(CVKNN) | 第36-41页 |
| ·基本概念 | 第37页 |
| ·CVKNN算法执行流程 | 第37-38页 |
| ·算法实验性能分析 | 第38-41页 |
| ·KNN分类算法的MapReduce并行化方案 | 第41-44页 |
| ·KNN的Map函数的设计 | 第41-42页 |
| ·KNN的Combiner函数的设计 | 第42页 |
| ·KNN的Reduce函数的设计 | 第42-43页 |
| ·KNN的复杂度分析 | 第43-44页 |
| ·CVKNN的并行化 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 实验结果与分析 | 第49-57页 |
| ·实验环境搭建 | 第49-51页 |
| ·Hadoop平台搭建 | 第49页 |
| ·Hadoop安装与配置 | 第49-51页 |
| ·降水预测实验 | 第51-55页 |
| ·降水实验数据 | 第51-52页 |
| ·降水因子筛选 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·论文总结 | 第57-58页 |
| ·本文的不足 | 第58页 |
| ·工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |