气象数据概化中的最佳聚类数研究.pdfVIP

第42卷第3期 华中师范大学学报(自然科学版) V01．42No．3 HUAZH()NGNORMAI。UNIVERSITY(Nat．Sei．) 2008年9月 JOURNAI。OF Sept．2008 文章编号：1000—1190(2008)03—0490—05 气象数据概化中的最佳聚类数研究 赵 超1，舒 红¨，朱欣焰1，戴上平2 (1．武汉大学测绘遥感信息工程国家重点实验摩，武汉430079} 2．华中师范大学计算机科学系，武汉430079) 摘要：以黑龙江省中部地区2004年的气温和降水观测数据为实例，对数据挖掘中气象数据 的概化问题进行研究．调查分析了概化方法和数据特征，确定采用模糊C均值聚类算法．重点 研究了算法中最佳聚类数的确定，选取多种广泛认可的指标，对聚类结果进行有效性对比分 析，采用综合最优的聚类数为最佳聚类数．研究发现这种方法聚类结果合理且具有较强的可 拓展性． 关键词：模糊聚类；气象数据；FCM}最佳聚类数 中图分类号：P40 文献标识码：A 一般地说，气象数据是连续性的属性数据，需 1数据准备 要按照一定的规则将其离散化，将具体的数值转化 为概念，才能利用计算机进一步发现知识[1]．这一 本文的研究区域是黑龙江省中部地区，实验数 过程即为数据概化，可采用两种方法：一是分类，即 据为研究区域内23个气象站点的气温和降水观测 专家干预，利用专家的知识、经验完成连续性属性 数据．气象数据来源于中国气象数据共享网，观测 数据离散化过程；二是聚类，即用数学方法定量的 站点及其分布情况如图1所示．所选择研究区域范 确定样品间的亲疏关系，按其亲疏程度自然、客观 围小，气候成分单一，以便于与聚类结果验证，从而 地分型划类，最后能得到一个反映个体间亲疏关系 客观的评价聚类方法． 的类别集合[23．本质上，数据挖掘中应尽量减少人 为干预，因此采用聚类分析更合理．模糊聚类引入 了模糊逻辑的概念，每个样本点都是一定程度的属 于某个类，也可以同时以不同的程度属于几个 类[3]．连续性属性数据是对渐变过程的取样，采用 这种软分类的方法进行聚类，其结果更符合客观情 况．模糊C均值FCM(FuzzyC—Means)算法是在传 统C均值算法中应用了模糊技术，不需要过多的人 工干预且具有较好的效果¨]．但FCM算法需要人 为给定聚类数，聚类数合理与否对聚类结果有着重 要影响．关于这方面的研究，孙才志[8]引入了数理 图1 研究区域及气象站分布 统计中的统计量，诸克军[93等构造了新的指标，用 areaandweatherstation Fig．1Thestudy 来衡量聚类结果的有效性以确定出合理的聚类数， 但方法复杂，不易解释．本文综合采用多种广泛认 2研究方法 可的指标，结果证明可有效地确定气象数据最佳聚 2．1标准化处理 类数，聚类结果合理，公式意义明确，方法易行且具 数据标准化处理主要包括数据同趋化处理和 有一定的可拓展性． 收稿日期：2008—06—10． *通讯联系人．E—mail：hshucn@yahoo．corn．en 万方数据 第3期 赵 舒等