第1章 绪论
1.1 研究背景及意义
1.2 研究现状及发展趋势
1.2.1 基于卫星云图的热带气旋定强研究
1.2.2 全监督学习的研究现状
1.2.3 半监督学习的研究现状
1.3 研究内容及创新点
1.4 实验数据介绍
1.5 论文结构
1.6 本章小结
第2章 基于全监督学习的热带气旋定强框架
2.1 基于全监督学习的热带气旋定强框架
2.1.1 热带气旋的强度估计
2.1.2 基于全监督学习的热带气旋定强框架
2.2 全监督学习的算法模型
2.2.1 误差反向传播神经网络
2.2.2 支持向量机
2.2.3 多类逻辑回归
2.3 本章小结
第3章 基于反向传播神经网络的半监督热带气旋定强算法
3.1 半监督学习
3.2 基于反向传播神经网络的半监督热带气旋强度分类
3.2.1 混合的距离度量
3.2.2 训练集更新机制
3.2.3 基于时间序列的剔除机制
3.2.4 基于反向传播神经网络的半监督热带气旋强度分类
3.2.5 基于误差反向传播的半监督分类模型参数优化方法
3.3 基于反向传播神经网络的半监督热带气旋强度回归
3.3.1 基于欧式距离的风速伪标签
3.3.2 基于反向传播神经网络的半监督热带气旋强度回归
3.4 基于误差反向传播的半监督定强算法的伪代码
3.5 本章小结
第4章 基于卷积神经网络的半监督热带气旋定强算法
4.1 卷积神经网络
4.1.1 算法原理描述
4.1.2 卷积神经网络模型参数优化方法
4.2 基于卷积神经网络的半监督热带气旋定强算法
4.2.1 基于卷积神经网络的半监督热带气旋强度分类框架
4.2.2 基于卷积神经网络的半监督分类模型参数优化方法
4.2.3 基于反向传播神经网络的半监督热带气旋强度回归
4.3 基于卷积神经网络的半监督分类算法的伪代码
4.4 本章小结
第5章 实验结果及分析
5.1 实验数据
5.1.1 实验数据预处理
5.1.2 实验数据集划分
5.1.3 评价指标
5.2 基于全监督学习的热带气旋定强实验结果
5.2.1 实验参数设置
5.2.2 实验结果对比分析
5.3 基于半监督学习的热带气旋定强算法对比实验分析
5.3.1 参数设置
5.3.2 对比实验分类结果
5.3.3 对比实验回归结果
5.3.4 半监督效果分析
5.3.5 对比实验结果分析
5.4 基于卷积神经网络的半监督定强算法实验结果
5.4.1 基于卷积神经网络的半监督定强算法实验结果
5.4.2 基于卷积神经网络的半监督定强算法实验结果分析
5.4.3 混合距离度量参数的影响
5.4.4 网络深度的影响
5.4.5 基于卷积神经网络的半监督定强算法优化分析
5.5 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表的学术成果
致谢
东华大学;
