一种基于贝叶斯分类的传统气象数据与感知数据融合的方法技术

技术编号：8387379 阅读：256 留言：0更新日期：2013-03-07 08:01

本发明专利技术提供了一种基于贝叶斯分类的传统气象数据与感知数据融合的方法，在朴素贝叶斯分类器的基础上，公开了一种1-依赖分类器与属性加权相结合的贝叶斯分类改进算法—ODAWNB(One-dependence?Attribute?Weighted?Naive?Bayes)方法，改进现有的朴素贝叶斯算法，适当放松属性间必须相互独立这一限制，在效率和分类精度之间找到一个折中点，最好地完成雷达数据与用户感知数据之间的融合。本发明专利技术包括如下步骤：数据预处理，根据训练样本数据构造分类器，利用构造的分类器对待分类的样本进行分类。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及气象观测和预警
，尤其是涉及一种传统气象数据与用户参与感知数据融合的方法。
技术介绍
气象观测是研究测量和观察地球大气的物理和化学特性以及大气现象的方法和手段的一门学科。观测的对象主要有大气气体成分浓度、气溶胶、温度、湿度、压力、风、大气湍流、蒸发、云、降水、辐射、大气能见度、大气电场、大气电导率以及雷电、虹、晕等现象和参数。大气探测技术的发展为减轻或避免自然灾害造成的损失提供了条件。气象观测记录和依据它编发的气象情报，除了为天气预报提供日常资料外，还通过长期积累和统计，加工成气候资料，为农业、林业、工业、交通、军事、水文、医疗卫生和环境保护等部门进行规划、设计和研究，提供重要的数据。采用大气遥感探测和高速通信传输技术组成的灾害性天气监测网，已经能够十分及时地直接向用户发布龙卷风、强降雨和冰雹等灾害性天气警报。由于传统气象数据(如雷达回波图)提供的信息对应区域较广，不能最全面地为气象预警决策服务，若加之当地实时采集到的数据(如移动终端外接传感器采集装置)，把两者进行融合，则能够得知精确位置的天气信息，使得气象预报更准确。为获得准确的气象数据需要采集多个信息源传递的观测数据，由单个传感器所获得的信息通常是不完整、不连续或不精确的，此时其他的信息源如果可以提供补充数据，融合多种信息源的数据，就能够产生一个有关场景的更一致的解释，而使不确定性大大降低。我们把雷达回波图解析到的数据视为传统数据，多类多源和多平台传感器获取的数据视为感知数据，将这两种数据进行判别处理综合分析，充分利用雷达数据的实时性、宏观性与传感器数据之间的互补关系，考虑传感...

【技术保护点】
一种基于贝叶斯分类的传统气象数据与感知数据融合的方法，其特征在于，包括以下步骤：步骤1，首先对数据进行预处理：针对训练样本和待分类样本，对各样本缺失的属性进行补齐和离散化，使各数据项标准化，以便继续其后的运算步骤；步骤2，根据训练样本数据构造分类器：步骤2.1，扫描所有训练样本,?设每个训练样本具有属性组????????????????????????????????????????????????，训练样本被分为c个类别?；每个训练样本都具有类别，统计训练样本中,?类标签为（，k=1,2,…,?c）,?属性（，i=1,2,…,?n）取值为d的样本个数#(?=d∧)?,?形成属性下的取值d属于类别的样本数量统计表；步骤2.2，概率参数学习：计算所有的先验概率P(=d|)，即在类别中属性的取值为d的概率,?每个属性值d的条件概率P(=d|)=???(k=1,2,…,?c)；计算每个类别中每个属性的每个取值的概率及其估计、、、，和是和在训练数据集上的估计，由此形成各属性值的概率表，其中，是类别中的训练样本数量；步骤2.3，权值参数学习：根据前述的数量统计表,?计算每个属性的权值，其中表示训...

【技术特征摘要】

【专利技术属性】
技术研发人员：杜景林，孙晓燕，周杰，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人