空间数据与时空数据的分析方法及比较

	载入中...

空间数据与时空数据的分析方法及比较

分类：教育论文网→数理科学和化学论文→概率论与数理统计论文→数理统计论文→一般数理统计论文

空间数据与时空数据的分析方法及比较

论文目录
摘要	第1-5页
Abstract	第5-8页
第一章绪论	第8-14页
1.1 研究背景和目的	第8-10页
1.2 国内外研究现状	第10-12页
1.2.1 空间数据分析的研究现状	第10-11页
1.2.2 时空数据分析的研究现状	第11-12页
1.3 数据分析使用的工具—R	第12-13页
1.4 主要研究内容和文章结构安排	第13-14页
第二章传统的空间数据分析方法	第14-23页
2.1 反距离加权法及其扩展	第14-18页
2.1.1 反距离加权法	第14-16页
2.1.2 自适应反距离加权法	第16-18页
2.2 趋势面模拟	第18-20页
2.2.1 全局趋势面模拟	第19-20页
2.2.2 局部趋势面模拟	第20页
2.3 最小二乘支持向量机	第20-22页
2.4 小结	第22-23页
第三章空间数据分析方法—克里金方法	第23-38页
3.1 基本知识	第23-27页
3.1.1 区域化变量	第23-24页
3.1.2 变差函数	第24-26页
3.1.3 克里金插值法概述	第26-27页
3.2 普通克里金模型	第27-29页
3.3 泛克里金模型	第29-33页
3.4 协同克里金模型	第33-36页
3.5 小结	第36-38页
第四章传统方法与克里金方法的组合模型	第38-47页
4.1 基于K最近邻方法的克里金方法	第38-41页
4.2 基于反距离加权法的克里金方法	第41-43页
4.3 基于最小二乘支持向量机的克里金方法	第43-45页
4.4 小结	第45-47页
第五章时空克里金方法	第47-58页
5.1 时空数据分析的理论知识	第47-51页
5.1.1 时空域	第48页
5.1.2 时空协方差函数及半变异函数	第48-51页
5.2 时空数据分析方法—时空克里金方法	第51-52页
5.3 实例分析	第52-56页
5.4 小结	第56-58页
总结及展望	第58-60页
总结	第58-59页
展望	第59-60页
参考文献	第60-66页
攻读学位期间取得的研究成果	第66-67页
致谢	第67页

本篇论文共67页，点击这进入下载页面。

更多论文
空间数据与时空数据的分析方法及比
液滴指纹图识别软件系统优化的研究
基于网络的时间序列预测
集群性能评估系统专家决策子系统的
带乘法扰动的反应扩散方程随机吸引
基于遗传算法的SAT问题求解研究
带半马尔科夫切换的随机系统的指数
基于HMM遗传算法的预测方法研究
S~n中子流形的M?bius数量曲率泛函的
基于多算子结合的量子遗传算法研究
关于仿射超曲面仿射完备和欧氏完备
应急物流车辆优化调度模型算法研究
S~n×R中具有常数量曲率的旋转超曲
基于机器学习的摔倒报警系统的设计
求解Euler方程的高精度熵相容格式研
大规模分布式机器学习平台
基于三阶CWENO重构的高精度高分辨率
安全的IVCE环境下基于机器学习的任
求解可压缩Navier-Stokes方程的高分
机器学习在影视大数据分析中的研究
Sherman-Rinzel-Keizer模型的动力学
iVCE环境下基于机器学习的资源调度
一类具有无穷多个孤立奇点的新三维
非平衡数据分类算法在二手车推荐中
两类带扰动、Hardy项和加权Hardy-S
个体效率受负载影响的任务分配问题
一类拟线性Schr?dinger方程解的存在
基于知识图谱的事件可视分析的研究
两类半离散非线性方程的全局吸引子
基于问题转换的偏标记学习算法研究
耗散Boussinesq方程Cauchy问题解的
煤矿安全文化成熟度的BP神经网络评
具有弱阻尼项的半线性梁方程的Cauc
基于深度学习的分类预测方法研究及
一类离散的Ablowitz-Ladik方程的高
基于集成学习的多标记学习算法研究
mKdV方程的超扩展
基于迁移过采样的类别不平衡学习算
状态依赖作动时滞主动控制模型的动
偏标记损失函数研究
混合有限元离散解的代数分析
最大值最小化着色旅行商问题的研究
关于线性分式变换所构造S盒的安全性
人工鱼群算法的研究及其在机器人动
有关连续时间条件下强连通赋权有向
极限学习机的改进与扩展研究
几类无限维李代数上的左对称代数结

自适应反距离加权法论文最小二乘支持向量机论文克里金方法论文时空半变异函数论文时空克里金方法论文
版权申明：目录由用户liuxi**提供，www.51papers.com仅收录目录，作者需要删除这篇论文目录请点击这里。
\| 设为首页\|\|加入收藏\|\|站内搜索引擎\|\|站点地图\|\|在线购卡\|
版权所有教育论文网 Copyright(C) All Rights Reserved