隨著科技的進步、信息化的發(fā)展、氣象研究技術(shù)的提高,氣象領(lǐng)域積累的數(shù)據(jù)量與日俱增。如何從海量的氣象數(shù)據(jù)中發(fā)現(xiàn)有價值的信息是氣象科研人員的一項重要任務(wù)。氣象信息與人民的生活息息相關(guān),人民的生活和生產(chǎn)制造直接受天氣的影響。如果能將數(shù)據(jù)挖掘應(yīng)用到氣象數(shù)據(jù)中充分挖掘出可用的信息,不僅能提高天氣預(yù)報準確率和災(zāi)害天氣預(yù)警能力,還能指導(dǎo)當(dāng)?shù)氐墓まr(nóng)業(yè)生產(chǎn)和提高人民的生活水平,造福人民。在數(shù)據(jù)挖掘中,分類是一種非常重要的技術(shù)�，F(xiàn)有的分類技術(shù)有決策樹、貝葉斯、支持向量機、神經(jīng)網(wǎng)絡(luò)等,這些分類器都是單分類器。隨著人們對分類器性能要求的提高,相關(guān)領(lǐng)域?qū)W者提出了集成學(xué)習(xí)的概念。所謂集成學(xué)習(xí)就是對同一個問題用多個單一的個體學(xué)習(xí)器進行組合學(xué)習(xí),組合分類器就是將多個不同的分類器（基分類器）通過一定的方法組合起來構(gòu)建而成的一個組合分類器。因此,組合分類器就是分類器的集成,同時也叫分類器的組合。實驗證明,多個分類器組合在性能上超越于單分類器的性能。本文在對氣象數(shù)據(jù)的特點、氣象數(shù)據(jù)挖掘現(xiàn)狀和常用的氣象數(shù)據(jù)挖掘方法進行了分析的基礎(chǔ)上。利用數(shù)據(jù)挖掘中的決策樹分類方法和集成學(xué)習(xí)思想構(gòu)建組合分類器,并用來對廣州某局部區(qū)域氣象站搜集的... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及研究意義
    1.2 課題的主要研究內(nèi)容
    1.3 國內(nèi)外的研究現(xiàn)狀
        1.3.1 氣象數(shù)據(jù)挖掘現(xiàn)狀
        1.3.2 組合分類器研究現(xiàn)狀
    1.4 本論文的研究目標和組織結(jié)構(gòu)
第二章 研究領(lǐng)域與相關(guān)技術(shù)
    2.1 數(shù)據(jù)挖掘簡介
        2.1.1 數(shù)據(jù)挖掘定義
        2.1.2 數(shù)據(jù)挖掘過程
    2.2 氣象數(shù)據(jù)的特點
    2.3 氣象數(shù)據(jù)挖掘的常用方法
        2.3.1 聚類分析
        2.3.2 分類分析
        2.3.3 時間序列分析
        2.3.4 關(guān)聯(lián)規(guī)則
        2.3.5 孤立點分析
    2.4 本章小結(jié)
第三章 基于決策樹的組合分類器建模
    3.1 氣象數(shù)據(jù)集描述
    3.2 氣象數(shù)據(jù)預(yù)處理
        3.2.1 數(shù)據(jù)清洗
        3.2.2 特征歸約
        3.2.3 數(shù)據(jù)集成
        3.2.4 數(shù)據(jù)變換
    3.3 建模體系
    3.4 組合分類器的構(gòu)建過程
        3.4.1 基分類器設(shè)計
        3.4.2 用于氣溫預(yù)測的Bagging方法
        3.4.3 用于氣溫預(yù)測的AdaBoost算法
    3.5 隨機森林
        3.5.1 隨機森林對噪聲的容忍度
        3.5.2 隨機森林模型參數(shù)的選擇
        3.5.3 隨機森林對不平衡分類問題的處理方法
        3.5.4 RF氣溫預(yù)測模型
    3.6 本章小結(jié)
第四章 組合分類器對局部區(qū)域氣溫的預(yù)測
    4.1 實驗測試環(huán)境
    4.2 實驗數(shù)據(jù)分析
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀學(xué)位期間從事的科研項目及發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]基于決策樹組合分類器的氣溫預(yù)測[J]. 李俊磊,滕少華,張巍.  廣東工業(yè)大學(xué)學(xué)報. 2014(04)
[2]基于KNN的多組合器協(xié)同挖掘局域氣象數(shù)據(jù)[J]. 滕少華,樊繼慧,陳瀟,張巍,劉冬寧,梁路.  廣東工業(yè)大學(xué)學(xué)報. 2014(01)
[3]基于隨機森林的亞健康狀態(tài)預(yù)測與特征選擇方法研究[J]. 王小強.  計算機應(yīng)用與軟件. 2014(01)
[4]基于模糊支持向量機的夏季雨型的預(yù)報方法研究[J]. 徐亮亮,傅德勝.  四川大學(xué)學(xué)報(自然科學(xué)版). 2013(06)
[5]福建汛期降水主分量逐步回歸預(yù)測模型研究[J]. 陳德花,陳創(chuàng)買,周學(xué)鳴,孫瓊博,韋晉.  氣象. 2013(09)
[6]氣象信息數(shù)據(jù)挖掘技術(shù)的應(yīng)用[J]. 陳少斌,蘇彥.  河南科技. 2013(14)
[7]張掖濕地公園水域結(jié)冰厚度預(yù)報的BP神經(jīng)網(wǎng)絡(luò)與統(tǒng)計回歸方法對比[J]. 劉洪蘭,張強,趙小強,張浩文.  干旱氣象. 2013(02)
[8]桂林地區(qū)氣溫與降水量的時間序列預(yù)測模型[J]. 黎玉芳,李志鴻.  廣西科學(xué). 2013(02)
[9]基于Bagging的概率神經(jīng)網(wǎng)絡(luò)集成分類算法[J]. 蔣蕓,陳娜,明利特,周澤尋,謝國城,陳珊.  計算機科學(xué). 2013(05)
[10]決策樹方法在氣溫預(yù)測中的應(yīng)用[J]. 姜文瑞,王玉英,郝小琪,李富鵬.  計算機應(yīng)用與軟件. 2012(08)

博士論文
[1]貝葉斯決策理論研究[D]. 李章呂.南開大學(xué) 2012

碩士論文
[1]孤立點檢測在移動通信數(shù)據(jù)分析上的研究與應(yīng)用[D]. 朱吉龍.廣東工業(yè)大學(xué) 2013
[2]數(shù)據(jù)挖掘技術(shù)在氣象資料分析中應(yīng)用研究[D]. 唐旋.內(nèi)蒙古科技大學(xué) 2011
[3]多分類器集成技術(shù)研究[D]. 康恒政.西南交通大學(xué) 2011
[4]基于HADOOP的數(shù)據(jù)挖掘研究[D]. 楊宸鑄.重慶大學(xué) 2010
[5]沙塵暴資料的數(shù)據(jù)挖掘算法分析及系統(tǒng)實現(xiàn)[D]. 陳旭輝.蘭州大學(xué) 2008
[6]基于決策樹技術(shù)的遙感影像分類研究[D]. 陳鑫.南京林業(yè)大學(xué) 2006



本文編號：3064147