| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 沙尘暴预测的研究现状 | 第8-10页 |
| 1.2.2 分类算法的研究现状 | 第10-11页 |
| 1.3 论文的主要内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 相关理论和技术概念 | 第14-26页 |
| 2.1 分类算法 | 第14-16页 |
| 2.1.1 分类概述 | 第14页 |
| 2.1.2 分类的基本流程 | 第14-16页 |
| 2.2 BP神经网络算法 | 第16-19页 |
| 2.2.1 BP神经网络模型原理 | 第16-18页 |
| 2.2.2 BP神经网络训练过程 | 第18-19页 |
| 2.3 SVM支持向量机算法 | 第19-22页 |
| 2.3.1 支持向量机模型原理 | 第19-21页 |
| 2.3.2 支持向量机训练过程 | 第21-22页 |
| 2.4 朴素贝叶斯算法 | 第22-23页 |
| 2.4.1 朴素贝叶斯模型原理 | 第22-23页 |
| 2.4.2 朴素贝叶斯训练过程 | 第23页 |
| 2.5 算法之间的比较 | 第23-24页 |
| 2.6 其他分类算法 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 基于Hadoop的气象数据预处理 | 第26-37页 |
| 3.1 Hadoop相关技术概述 | 第26-29页 |
| 3.1.1 Hadoop概述 | 第26-27页 |
| 3.1.2 HDFS | 第27-28页 |
| 3.1.3 Mapreduce | 第28-29页 |
| 3.1.4 Hive | 第29页 |
| 3.2 数据预处理 | 第29-36页 |
| 3.2.1 数据来源 | 第29-30页 |
| 3.2.2 数据预处理主要方法 | 第30-31页 |
| 3.2.3 数据预处理流程设计 | 第31-35页 |
| 3.2.4 实验总结 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 分类算法在沙尘暴预测的实验设计 | 第37-47页 |
| 4.1 沙尘暴预测模型的建立 | 第37-44页 |
| 4.1.1 实验平台 | 第37页 |
| 4.1.2 实验数据准备 | 第37-38页 |
| 4.1.3 BP神经网络的建立与训练 | 第38-41页 |
| 4.1.4 SVM支持向量机预测模型的建立 | 第41-43页 |
| 4.1.5 朴素贝叶斯预测模型的建立 | 第43-44页 |
| 4.2 沙尘暴预测模型的比较 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 分类算法的改进及实验设计 | 第47-55页 |
| 5.1 算法改进的理论基础 | 第47-48页 |
| 5.1.1 AdaBoost算法 | 第47页 |
| 5.1.2 粗糙集概述 | 第47-48页 |
| 5.1.3 朴素贝叶斯算法的缺点 | 第48页 |
| 5.2 朴素贝叶斯算法改进的实现 | 第48-51页 |
| 5.2.1 改进思想 | 第48-49页 |
| 5.2.2 改进算法—加权Adaboost-NBC算法流程 | 第49-51页 |
| 5.3 实验结果及分析 | 第51-53页 |
| 5.3.1 实验环境与实验数据 | 第51页 |
| 5.3.2 实验内容 | 第51-53页 |
| 5.4 算法性能对比 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 附录1 | 第59-63页 |
| 附录2 | 第63-65页 |
| 附录3 | 第65-67页 |