水文天气(数据挖掘)

摘要: 本文介绍了数据挖掘的产生、任务、特点、过程和方法分类 ,? 介绍了数据挖 掘的一些主要方法及其在天气预报中的应用前景。数据挖掘在天气预报中有很多应用领 域 ,? 随着数据挖掘在天气预报应用领域的深入研究, 必将进一步推动天气预报的进展。 基于属性约简的方法 ,放弃以往复杂的规则匹配算法 ,提出将约简后的多种属性组进行析取 ,筛选特征项 ,并构造分类器.实验结果表明 ,此算法不仅简单 ,还能降低维数和提高分类结果. 目前 ,数据分类的研究已经趋于成熟 ,各种分类器显示出各自不同的性能.但研究者没有放弃通过对数据的预处理来提高分类结果. 详细研究了数据的特征提取算法 ,并给出了各种提取算法的分类效果; 提出对数据的向量空间模型进行潜在语义分析 ,不仅消除数据特征词的斜交现象 ,而且还降低了数据向量空间模型的维度; 提出运用粗糙集属性约简的思想对数据向量空间模型先进行属性约简(去除对分类没有作用的特征项) ,然后提取规则 ,最后用测试集匹配规则来确定测试数据的类别. 本文针对传统粗糙集属性约简的思想 ,首先对数据向量空间模型进行离散化并属性约简;然后对约简后的多种属性组 ,选取属性个数最多的一组属性 ,同时也将所有属性组中的属性进行析取 ,筛选特征项 ,重新构造向量空间模型 ,使原来的维数得到了一定程度的降低 ,放弃了以往复杂的规则匹配算法 ,简化了算法思想 。同时提高了分类结果. 关键词: 数据分类; 向量空间模型; 粗糙集; 属性约简 论文实验数据??? 1摘要:??? 11 数据预处理??? 21. 1 　 向量空间模型??? 21. 2 　特征项提取??? 32 　 粗糙集基本理论??? 42. 1 　 不可区分关系??? 42. 2 　 决策表??? 42. 3 　 区分矩阵??? 53 　 分类算法的实现??? 53. 1 　 基于粗糙集属性组合的数据分类系统的结构??? 53. 2 　 分类算法的设计??? 63. 2. 1 　 特征提取及建立模型??? 63. 2. 2 　 属性约简??? 63. 2. 3 　 建立模型??? 7系统详细实现：??? 83. 2. 4 　 测试阶段??? 595 　 小结??? 63