正态云关联规则在气象中的应用.pdf

正态云关联规则在气象中的应用.pdf

ID:54016709

大小:224.40 KB

页数:5页

时间:2020-04-28

正态云关联规则在气象中的应用.pdf_第1页
正态云关联规则在气象中的应用.pdf_第2页
正态云关联规则在气象中的应用.pdf_第3页
正态云关联规则在气象中的应用.pdf_第4页
正态云关联规则在气象中的应用.pdf_第5页
资源描述:

《正态云关联规则在气象中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第卷第期解放军理工大学学报自然科学版VolNo年月JournalofPLAUniversityofscienceandTechnologyAug文章编号9正态云关联规则在气象中的应用万谦陆建江宋自林解放军理工大学通信工程学院江苏南京解放军理工大学指挥自动化学院江苏南京摘要用数据挖掘方法发现关联规则和进行预测是信息处理领域的两大热点在文献的基础上对这两个问题进行了进一步的研究提出了应用竞争聚集算法确定正态云的两个参数应用双参数阈值挖掘正态云关联规则并利用求正态云关联规则的支持率和信任度来进行预测将这种方法应用于气象数据结果表明所提出的关联规则

2、挖掘方法比文献所用的方法更合理该预测方法简单易懂更容易被人理解和使用关键词竞争聚集算法正态云关联规则预测中图分类号TP文献标识码ArassciatinResinWeatherdatabaseWAN0ianLUJianjiangSONGZilinInstituteofCommunicationsEngineeringPLAUnivofsciSTechNanjingChinaInstituteofCommandAutomationPLAUnivofsciSTechNanjingChinabstractMiningassociationrules

3、andmakingpredictionbydataminingmethodaretwohotspotsinthefieldofinformationprocessingBasedonthedocumentthetwoproblemsarefurtherstudiedinthispaperThecompetititveagglomerationalgorithmisusedtodeterminetwoparametersofnormalcloudsThenormalcloudassociationrulesareminedbyusingthr

4、esholdoftwoparametersThepredictionisdonethroughcomputingsupportsandconfidencesofthenormalcloudassociationrulesThismethodisusedindataofweatherWiththeresultthatitismorereasonablethanthemethodofdocumentThispredictionmethodissosimpleandpellucidthatitcanbeeasilyunderstoodanduse

5、dKeyWrscompetitiveagglomerationalgorithmnormalcloudassociationrulesprediction用数据挖掘方法发现关联规则并进行预测是信动态聚类算法确定正态云的两个参数竞争聚集息处理领域的两个热点文献首先提出挖掘关联算法CA算法能很好地确定样本点的隶属度因规则的思想并讨论布尔型属性的关联规则的挖掘此它比动态聚类算法更合理i单参数阈值在挖掘问题文献讨论数量属性的关联规则的问题文正态云关联规则时存在一定的不合理性应用双参中的挖掘算法将数量属性划分成多个区间但这样数阈值代替单参数阈值较好地

6、解决了这种不合的方法会引起划分边界过硬的缺点文献利用正理性@已有的正态云关联规则的预测方法过于复杂态云表示的语言值解决上述的缺点提出了挖掘数难以实施文中提出一种新的正态云关联规则的预量属性正态云关联规则的新方法并利用挖掘的正测方法此方法简单易懂容易被人理解与使用态云关联规则进行预测本文进一步讨论正态云关联规则具有以下个特点d用竞争聚集算法代替@用IA算法确定正态云的两个参数收稿日期9文献中通过实例阐述了正态云关联规则的基金项目国家自然科学基金重点资助项目699作者简介万谦9一男博士生讲师挖掘方法本文采用与之不同的聚类算法——CA2解放军理工

7、大学学报(自然科学版D第3卷算法来将数量属性划分成语言值,并用正态云模型迭代,输出B=(U和U(D1,U2,,UCD,否则返回@,表示语言值[4],然后,将本文的挖掘方法应用于气象用CA算法划分日照时数的方法如下,将日照数据,文中的数据来自文献[5],该数据库记录了时数所取的1080个值放在一起作为目标数据集X,1986~1989年30个城市的日照时数(小时/每月D~用CA算法对X进行模糊聚类,得到模糊划分矩阵降水量(毫米/每月D~每月平均气温(度D,共有1080U和若干个中心Uz,根据中心的个数,将日照时数划条记录,分成若干个语言值等级,

8、语言值等级的大小由中心一个正态云用期望值EI~熵En和超熵He3的大小依次确定,最大中心对应最大的语言值等级,个数字特征就可以完整地表征出来,由期望和熵可同时最大中心对应的模糊划

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。