隨著氣象服務(wù)與人們生活的關(guān)系日益密切,人們對(duì)氣象信息服務(wù)的需求越來越多,但是受自動(dòng)氣象站數(shù)目和空間環(huán)境等諸多因素,導(dǎo)致某些地區(qū)的氣象數(shù)據(jù)缺失或不準(zhǔn)確。因此,為了獲取高密度的氣象數(shù)據(jù),彌補(bǔ)某些地區(qū)觀測(cè)點(diǎn)不足的情況,避免由于氣象數(shù)據(jù)不足而導(dǎo)致低質(zhì)量的氣象服務(wù),本文提出一種改進(jìn)型K-means聚類算法對(duì)氣象數(shù)據(jù)進(jìn)行聚類分析,來提高氣象數(shù)據(jù)的精度,并利用參與感知技術(shù),并引入高效的激勵(lì)機(jī)制,設(shè)計(jì)了一個(gè)基于參與感知的Web氣象服務(wù)系統(tǒng),為用戶提供方便、高質(zhì)量的氣象服務(wù)。根據(jù)傳統(tǒng)的K-means聚類算法所存在的問題,本文提出一種改進(jìn)型的K-means算法,不僅可以得到數(shù)據(jù)集最佳的K值和初始聚類中心,而且可以將噪聲點(diǎn)其剔除出去,避免噪聲點(diǎn)對(duì)聚類結(jié)果產(chǎn)生影響。本文在總結(jié)目前現(xiàn)有的參與感知技術(shù)和激勵(lì)機(jī)制的基礎(chǔ)上,提出了一種基于貪婪算法的參與感知激勵(lì)分配機(jī)制,能夠?qū)崟r(shí)獲取更加精確的感知數(shù)據(jù)。并且,闡述了基于參與感知的Web氣象服務(wù)系統(tǒng)的主要功能的設(shè)計(jì)與實(shí)現(xiàn),包括系統(tǒng)用戶管理、發(fā)布管理、首頁、氣象新聞、產(chǎn)品服務(wù)頁面、個(gè)人中心和參與感知激勵(lì)模塊等功能模塊。本文采用B/S架構(gòu)、SSM框架技術(shù)、Echarts圖表庫... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１參與感知框架圖??感知層：即數(shù)據(jù)采集層

時(shí)的感知數(shù)據(jù)。??目前，人們對(duì)參與感知系統(tǒng)有了一定的研宄，并且已經(jīng)投入到應(yīng)用當(dāng)中，可以將參??與感知系統(tǒng)的整體架構(gòu)通過層級(jí)結(jié)構(gòu)來表示。參與感知框架如圖２．１所示，參與感知系??統(tǒng)從底層到最尚層可以分為感知層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)處理層以及應(yīng)用層。??應(yīng)用層?〇〇〇?’??ｓ知數(shù)據(jù)轉(zhuǎn)示??＿?介???數(shù)據(jù)處理層?１??服務(wù)器數(shù)據(jù)收集數(shù)據(jù)驗(yàn)證數(shù)據(jù)整理??（（ｍ））??網(wǎng)絡(luò)傳輸層??移動(dòng)網(wǎng)絡(luò)?Ｗｉｆｉ?Ｉｎｔｅｒｎｅｔ??脅??智能手機(jī)參與Ｓ知用■智能手機(jī)參與感知用戶??圖２．１參與感知框架圖??感知層：即數(shù)據(jù)采集層。參與者作為數(shù)據(jù)收集者，利用移動(dòng)終端設(shè)備上內(nèi)嵌的傳感??器或擴(kuò)展外部傳感器來采集周邊環(huán)境的數(shù)據(jù)，比如溫度、濕度、光照或氣壓等多種傳感??５??

??及退出這發(fā)送虛擬報(bào)酬，來激勵(lì)這類參與者重新加入感知活動(dòng)。具體激勵(lì)過程如圖２．２??所示。??２．２?Ｋ－ｍｅａｎｓ?算法??Ｋ－ｍｅａｎｓ算法是一種簡單有效的聚類算法，通過距離來判斷相程度，并且將相似??度高的樣本歸為一類［１８］。具體算法處理過程是：首先隨機(jī)選擇Ｋ個(gè)數(shù)據(jù)樣本對(duì)象作為??初始聚類中心，通過迭代計(jì)算出剩余數(shù)據(jù)樣本對(duì)象與Ｋ個(gè)聚類中心的歐式距離，根據(jù)距??離大小來進(jìn)行判斷是否為一類，然后調(diào)整聚類中心，最后判斷算法是否收斂，即聚類中??心是否會(huì)變化。若算法收斂，則聚類算法結(jié)束；若不收斂，則繼續(xù)重復(fù)以上步驟。具體??的算法流程圖如圖２．３所示：??開始??＼???Ｊ??丁???？初始化??￣￣?ｉ??Ｉ輸＼樣本Ｉ??ｔ?ｉ?１??計(jì)算樣本與聚??類中心的距離??丁??更新聚類中心??的值??Ｉ?????是否收斂＞??／?＾??結(jié)束??＼?ｙ??圖２．３?Ｋ－ｍｅａｎｓ算法流程圖??雖然Ｋ－ｍｅａｎｓ算法快速且簡單，但是仍然存在許多不足的地方：Ｋ－ｍｅａｎｓ算法對(duì)噪??聲點(diǎn)（離群點(diǎn)）非常敏感，而且會(huì)影響聚類結(jié)果；用戶需要事先隨機(jī)指定Ｋ值和聚類中??心點(diǎn)；無法發(fā)現(xiàn)球形以外的任意形狀簇。??２．３?Ｃａｎｏｐｙ?算法??Ｃａｎｏｐｙ算法是一種無監(jiān)督聚類算法，通常被用作Ｋ－ｍｅａｎｓ算法或?qū)哟?

【參考文獻(xiàn)】：
期刊論文
[1]基于角度補(bǔ)償?shù)氖謾C(jī)多傳感器數(shù)據(jù)融合測(cè)距算法[J]. 陳帥,王國英,莫路鋒.  傳感技術(shù)學(xué)報(bào). 2017(02)
[2]普通克里金法在海水溫度剖面插值中的應(yīng)用[J]. 楊雪峰,胡長青.  聲學(xué)技術(shù). 2015(05)
[3]智能手機(jī):普適感知與應(yīng)用[J]. 陳龍彪,李石堅(jiān),潘綱.  計(jì)算機(jī)學(xué)報(bào). 2015(02)
[4]基于數(shù)據(jù)密集性的自適應(yīng)K均值初始化方法[J]. 韓最蛟.  計(jì)算機(jī)應(yīng)用與軟件. 2014(02)
[5]組合問題中的貪心法的思想與求解[J]. 陳穩(wěn)穩(wěn),黃磊.  華章. 2014 (05)
[6]從有效供給角度看公共氣象服務(wù)分類[J]. 辛源,彭瑩輝.  閱江學(xué)刊. 2013(06)
[7]參與感知世界的激勵(lì)機(jī)制研究[J]. 康琳,李秀華,王衛(wèi)東.  單片機(jī)與嵌入式系統(tǒng)應(yīng)用. 2013(08)
[8]基于J2EE的MVC開發(fā)框架探討[J]. 余陽,王會(huì).  價(jià)值工程. 2010(19)
[9]基于Ajax構(gòu)建web應(yīng)用程序的研究[J]. 陳曦.  吉林化工學(xué)院學(xué)報(bào). 2007(02)

碩士論文
[1]山西省氣象中期預(yù)報(bào)應(yīng)用系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 宋鵬飛.山西大學(xué) 2016
[2]基于Android的數(shù)據(jù)采集與遠(yuǎn)程控制的設(shè)計(jì)與實(shí)現(xiàn)[D]. 楊亞偉.北京交通大學(xué) 2016
[3]群智感知的任務(wù)分配和用戶調(diào)度算法[D]. 程如洪.中國科學(xué)技術(shù)大學(xué) 2016
[4]基于Hadoop和Mahout的K-Means算法設(shè)計(jì)與實(shí)現(xiàn)[D]. 王繼重.大連海事大學(xué) 2016
[5]面向移動(dòng)終端的消息推送系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 陳邦卿.浙江工業(yè)大學(xué) 2015
[6]基于模型驅(qū)動(dòng)的Web表單開發(fā)工具的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李洪營.山東大學(xué) 2015
[7]省級(jí)自動(dòng)氣象站資料處理應(yīng)用系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 方國強(qiáng).電子科技大學(xué) 2015
[8]基于參與式感知的激勵(lì)機(jī)制的研究與實(shí)現(xiàn)[D]. 趙露名.北京郵電大學(xué) 2015
[9]參與感知系統(tǒng)中基于信息質(zhì)量的激勵(lì)機(jī)制研究[D]. 張凱.哈爾濱工程大學(xué) 2015
[10]基于WEB的氣象信息共享平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 楊偉明.大連理工大學(xué) 2014



本文編號(hào)：2962544