基于Adaboost算法的多分类器模型的研究及其在降水预测中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文的主要工作 | 第12页 |
| 1.5 论文结构安排 | 第12-14页 |
| 第二章 气象数据挖掘 | 第14-21页 |
| 2.1 数据挖掘简介 | 第14页 |
| 2.2 气象数据挖掘概述 | 第14页 |
| 2.3 数据挖掘技术 | 第14-15页 |
| 2.3.1 分类技术 | 第15页 |
| 2.3.2 聚类技术 | 第15页 |
| 2.4 数据挖掘过程 | 第15-17页 |
| 2.5 神经网络算法 | 第17-19页 |
| 2.5.1 神经网络概述 | 第17页 |
| 2.5.2 BP神经网络算法思想 | 第17-19页 |
| 2.6 集成算法 | 第19-20页 |
| 2.7 本章小结 | 第20-21页 |
| 第三章 基于归一化因子与信赖度的权值修正 | 第21-36页 |
| 3.1 问题描述 | 第21页 |
| 3.2 Adaboost算法权值更新缺陷分析 | 第21-25页 |
| 3.3 改进的权值更新方式计算 | 第25-28页 |
| 3.4 改进后的算法描述 | 第28-29页 |
| 3.5 实验及分析 | 第29-35页 |
| 3.5.1 气象因子选择 | 第29-31页 |
| 3.5.2 实验及结果分析 | 第31-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于损失代价敏感的不平衡数据学习算法 | 第36-49页 |
| 4.1 问题描述 | 第36-37页 |
| 4.2 基于集成分类模型的损失函数推导 | 第37-40页 |
| 4.1.1 损失函数定义 | 第37-38页 |
| 4.1.2 损失代价分析 | 第38页 |
| 4.1.3 损失函数推导 | 第38-40页 |
| 4.3 基于损失代价敏感的不平衡学习 | 第40-43页 |
| 4.4 改进后Adaboost算法的流程 | 第43-44页 |
| 4.5 实验及分析 | 第44-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 论文总结 | 第49-50页 |
| 5.2 本文不足 | 第50页 |
| 5.3 工作展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 作者简介 | 第57页 |
