论文题目：基于参与感知的Web气象服务系统
摘要：随着气象服务与人们生活的关系日益密切,人们对气象信息服务的需求越来越多,但是受自动气象站数目和空间环境等诸多因素,导致某些地区的气象数据缺失或不准确。因此,为了获取高密度的气象数据,弥补某些地区观测点不足的情况,避免由于气象数据不足而导致低质量的气象服务,本文提出一种改进型K-means聚类算法对气象数据进行聚类分析,来提高气象数据的精度,并利用参与感知技术,并引入高效的激励机制,设计了一个基于参与感知的Web气象服务系统,为用户提供方便、高质量的气象服务。根据传统的K-means聚类算法所存在的问题,本文提出一种改进型的K-means算法,不仅可以得到数据集最佳的K值和初始聚类中心,而且可以将噪声点其剔除出去,避免噪声点对聚类结果产生影响。本文在总结目前现有的参与感知技术和激励机制的基础上,提出了一种基于贪婪算法的参与感知激励分配机制,能够实时获取更加精确的感知数据。并且,阐述了基于参与感知的Web气象服务系统的主要功能的设计与实现,包括系统用户管理、发布管理、首页、气象新闻、产品服务页面、个人中心和参与感知激励模块等功能模块。本文采用B/S架构、SSM框架技术、Echarts图表库和AJAX技术等系统所需的相关技术,为系统提供了主要的技术支撑。通过对系统进行测试后,发现系统的功能模块运行正常,达到了预期的系统设计的要求。系统可以通过后台管理,根据用户的需求拓展气象服务业务,为用户提供一个人性化、高质量的气象服务。
关键词：气象服务;K-means;参与感知;激励机制;贪婪算法
学科专业：信息与通信工程
摘要
Abstract
第一章 绪论
1.1 选题背景及研究意义
1.2 国内外研究现状
1.3 本文主要工作与组织结构
第二章 基础理论与相关技术
2.1 参与感知系统
2.1.1 参与感知概述
2.1.2 激励机制
2.2 K-means算法
2.3 Canopy算法
2.4 贪婪算法概述
2.4.1 贪婪算法基本思想
2.4.2 贪婪算法的优缺点
2.5 SSM框架介绍
2.5.1 Spring框架介绍
2.5.2 Spring MVC框架介绍
2.5.3 MyBatis框架介绍
2.6 Echarts介绍
2.7 AJAX技术
2.8 本章小结
第三章 气象数据处理
3.1 气象数据来源
3.1.1 自动气象站数据
3.1.2 参与感知数据
3.2 数据归一化处理
3.3 改进型K-means算法实现
3.3.1 基于密度的Canopy算法
3.3.2 基于密度的Canopy的K-means算法
3.3.3 仿真分析
3.4 本章小结
第四章 基于贪婪算法的参与感知激励机制的实现
4.1 系统模型
4.1.1 模型描述
4.1.2 样本数量和分布与平均误差之间的关系
4.1.3 样本数量
4.1.4 样本分布
4.2 激励机制模型求解
4.3 仿真实验
4.3.1 程序设置
4.3.2 仿真结果
4.4 本章小结
第五章 气象服务系统的设计与实现
5.1 系统设计目标
5.2 系统设计原则
5.3 系统功能模块设计
5.4 参与感知激励模块的实现
5.4.1 数据采集模块
5.4.2 数据上传模块
5.4.3 激励模块
5.5 服务管理子系统的实现
5.5.1 系统用户管理
5.5.2 发布管理
5.5.3 互动交流管理
5.6 产品显示子系统的实现
5.6.1 首页
5.6.2 气象新闻
5.6.3 产品服务页面
5.6.4 个人中心
5.7 本章小结
第六章 系统测试与维护
6.1 测试环境
6.2 系统功能测试
6.2.1 服务管理子系统测试
6.2.2 产品显示子系统测试
6.3 系统维护
6.4 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢