基于KNN多组合器协同挖掘区域自动站气象数据.pdfVIP

基于KNN的多组合器协同挖掘 区域自动站气象数据 林奕峰1，滕少华2，陈潇1，林蟒1，成明1． (1广州市萝闯区气象同，广东广州，510530： 2厂东工业大学计算机学院，广东广闸，510060) 接要：气象灾害已严重威胁人们的生命魈产安全。影响天气变化的因素多而复杂，致使灾害天气的准确预 测预报相当困难，本文从中小尺度的定点区域出发，应用多组合器协同分析方法，探讨中小尺度定点区域 的气象数据挖掘同题，提出了一个多组合器协同分析模墅．实现了备基分类器和组台器的建摸，通过对气 象数据的实证性分析与实验，验证了本模型有较高的分类准确辜和挟速分类能力。 关键词：数据挖掘，K一最近邻算法，协同，组合分析器，局域气象数据 中图分类号：i答麓l|薹 in The ofKNN-basedMulti．classifiers10calarea application mining data meteorological LIN Xiao】，LIN Yi—fengl，TEN(]Shao-hua2，CHENMangl，CHENGMingI DistrictBureau (1．Luogang ofMeteorology,Guangzhou510530,China；2．GuangdongUnivmsityofTechnology, Guangzhou510006。China；) disasters is Abstract：Natural fifeand weatherrelatedwith factors， il{jtirepeoples damageproperty．Because many itisdifl-lculttOforecast disasterweather．Wea methodbasedon accurate哆the cooperational classfiers． propose whichisusedtomine modelmulti-classifiersis data．A of local卸惜meteorologicalcoopvmtiona!analysis and mthistextEachbaseclassifierand classifierare designedimplemcated integration implemented． resultsshowthatourmodelhas andfast Experimental hi西口classificationaccuracy groupingability． words：data data Key mining，K-NemeslNeighboralgorithm，multi-classifiersmodel，local”∞meteorological 1引言 算法的总体思路可以归结为“多者胜出”的概念，即：对一个样本的分类取决于它的K个邻 居，将样本的K个邻居的分类属性傲一个统计