【摘要】：隨著科技的進步、信息技術的發(fā)展、氣象預測標準的提高,氣象數(shù)據(jù)日益劇增。由氣象變化帶來的自然災害已嚴重威脅人們的生命財產安全,影響天氣變化的因素多而復雜,致使災害天氣的準確預測預報非常困難。如何通過數(shù)據(jù)挖掘的相關技術挖掘出氣象數(shù)據(jù)中有價值的信息是氣象科研人員的一項重要任務。挖掘出的可用信息,不僅能提高天氣預報準確率和災害天氣預警能力,還能指導當?shù)氐墓まr業(yè)生產和提高人民的生活水平,造福于人民。數(shù)據(jù)挖掘常用的軟件有SAS、SPSS、MATLAB等,開源的軟件有WEKA、ARMiner。不同的數(shù)據(jù)挖掘軟件適用于不同的數(shù)據(jù)模型之中,處理各式各樣的關系對象。近年來,數(shù)據(jù)挖掘在計算機領域的應用也越來越普及,在入侵檢測方面,學者開展了很多研究,尤其是分析根據(jù)不同協(xié)議分析攻擊類型,在基于HTTP、TCP、UDP各種協(xié)議的攻擊檢測上,以及在解析DOS、DDOS等攻擊類型的檢測中�；ヂ�(lián)網也在使用數(shù)據(jù)挖掘分析客戶點擊率、電商則根據(jù)點擊率分析用戶心理及感興趣的模塊,進行針對性的推銷。電信根據(jù)客戶數(shù)據(jù)的分析,將用戶群細分,設置合理套餐,有針對性地進行推銷,這些都給企業(yè)帶來了巨大的利潤。數(shù)據(jù)挖掘中的分類算法被廣泛運用到氣象預測中,機器學習顯示了良好的分類性能。大量研究表明,集成分類器比單個分類器具有更好的分類性能。本文從某市某局部區(qū)域出發(fā),使用支持向量機和協(xié)同分析方法,研究基于組合分類器的氣象數(shù)據(jù)挖掘的問題,構建了基于SVM的多組合器協(xié)同分類模型,通過整合不同的分類器參數(shù)和個數(shù),得到不同的數(shù)據(jù)挖掘分類模型,最終實現(xiàn)整體建模,將樣本集輸送到各個模型,得到最終分類結果,通過一系列的對比試驗,將分類結果可視化的表示出來,直觀的可以看到不同模型的分類效果。預期驗證模型在分類穩(wěn)定性和分類準確率方面具有更好的效果。本文主要開展了以下幾個方面的研究,包括對局部氣象數(shù)據(jù)特征的分析、國內外研究現(xiàn)狀的分析、數(shù)據(jù)挖掘分類方法的分析、相關技術分析、研究了組合分類器在局部區(qū)域氣象數(shù)據(jù)的挖掘,構建和分析了單個SVM分類器模型；構建和分析了基于SVM的Bagging組合分類器模型；構建和分析了基于SVM的Adaboost組合分類器模型。文章對局部區(qū)域的氣象數(shù)據(jù)進行了降雨與否的預測,將分類器應用到局部區(qū)域的氣象數(shù)據(jù)中進行了當?shù)氐慕涤觐A測,比較三個模型之間的準確率和性能優(yōu)劣。最后,本文引入了KNN算法,構造基分類器,比較了基于KNN算法和基于SVM算法的裝袋與提升的集成效果,并從縱向和橫向兩個方面再一次對文章結論進行了實證與說明。本文的研究成果,為當?shù)氐臍庀缶痔峁┝藳Q策依據(jù),為當?shù)鼐用竦纳鐣顒�、生活、工作以及為工業(yè)生產提供了參考。
【學位授予單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：P409;P413

【相似文獻】

相關期刊論文 前6條

1 鄭忠;曾永年;劉慧敏;徐艷艷;于菲菲;;并聯(lián)結構組合分類器的誤差分析[J];遙感技術與應用;2011年03期

2 鄭楨;康耀紅;;基于組合分類器的聯(lián)機手寫漢字識別[J];鄭州大學學報(理學版);2007年02期

3 孫笑微;;基于提升的BAN組合分類器[J];沈陽師范大學學報(自然科學版);2007年02期

4 鐘明軍;;基于組合分類器的一個新的數(shù)據(jù)整合方法[J];大連民族學院學報;2008年01期

5 韓建峰;楊哲海;;組合分類器及其在高光譜影像分類中的應用[J];測繪科學技術學報;2007年03期

6 ;[J];;年期

相關會議論文 前1條

1 徐f ;宗成慶;;漢語base NP識別:錯誤驅動的組合分類器方法[A];第三屆學生計算語言學研討會論文集[C];2006年

相關博士學位論文 前2條

1 許言午;面向行人檢測的組合分類計算模型與應用研究[D];中國科學技術大學;2009年

2 張陽;復雜交通場景中基于視頻的行人檢測與跟蹤若干關鍵問題研究[D];華南理工大學;2013年

相關碩士學位論文 前10條

1 王亞松;關于組合分類器修剪方法的研究[D];鄭州大學;2011年

2 張銀峰;面向類分布不平衡數(shù)據(jù)的組合分類器剪枝方法的研究[D];鄭州大學;2014年

3 鄭忠;適應性組合分類器遙感分類研究[D];中南大學;2013年

4 李俊磊;多組合分類器在局部區(qū)域氣溫預測中的研究與應用[D];廣東工業(yè)大學;2014年

5 李新強;組合分類器及其在財務預警中得應用研究[D];云南大學;2012年

6 石國強;基于規(guī)則的組合分類器的研究[D];鄭州大學;2010年

7 宋麗;基于決策樹的組合分類器的研究[D];西安電子科技大學;2012年

8 樊繼慧;基于SVM組合分類器的局域氣象預測研究[D];廣東工業(yè)大學;2015年

9 吳正娟;特征變換在組合分類中的應用研究[D];鄭州大學;2010年

10 李斌;基于多組合分類器的高光譜圖像識別技術研究[D];中國地質大學（北京）;2008年

本文編號：2747942