基于聚類分析和關(guān)聯(lián)規(guī)則的降雨分析與實現(xiàn).pdf

1、隨著數(shù)字圖像處理技術(shù)的發(fā)展,多角度、深層次挖掘衛(wèi)星云圖數(shù)據(jù)信息己成為一種必然發(fā)展趨勢,給氣象衛(wèi)星數(shù)據(jù)在氣象常規(guī)業(yè)務(wù)中的應(yīng)用帶來了一場深刻的變革,過去那種定性分析的狀況將得到徹底改變。
　　 數(shù)據(jù)挖掘技術(shù)發(fā)展趨勢的多樣化,使本文更加清楚的認(rèn)識到數(shù)據(jù)挖掘技術(shù)的靈活性。隨著信息時代的發(fā)展,目前技術(shù)將被廣泛的融合,數(shù)據(jù)挖掘技術(shù)也不例外。本文將傳統(tǒng)的圖像處理工作與數(shù)據(jù)挖掘思想相結(jié)合,針對具有海量數(shù)據(jù)的遙感圖像完成了一個初步的基于圖像的數(shù)據(jù)

2、挖掘系統(tǒng)模型。
　　 具體來說本文的研究內(nèi)容及其貢獻(xiàn)為:
　　 (1)圖像特征的提取。根據(jù)衛(wèi)星云圖的特點應(yīng)用了多種圖像特征提取算法,包括圖像的一、二階距,分形維數(shù)特征和灰度梯度共生矩陣等算法。探討了以各階信息熵的概念表達(dá),云圖分析中的重要特征稠密度的可能性,突破了長期定性分析的狀況。試驗結(jié)果表明,信息熵對云團內(nèi)部的紋理特征有極佳的檢測效果。
　　 (2)基于衛(wèi)星云圖的聚類分析。本文是對聚類算法K-means的研究

3、。首先闡述了聚類技術(shù)的相關(guān)概念。其次重點對K-means算法進(jìn)行了分析研究,K-means算法是一種基于劃分的聚類算法,它把n個對象劃分成K個類,其中的聚類數(shù)目K是輸入?yún)?shù)。該算法是通過不斷地迭代來進(jìn)行聚類,當(dāng)算法收斂到一個結(jié)束條件時,就終止迭代過程,輸出一個聚類結(jié)果。本文針對聚類個數(shù)K的確定、初始K個聚類中心的選定作了改進(jìn),給出了K-means的改進(jìn)算法。算法的出發(fā)點是確保發(fā)現(xiàn)聚類中心的同時使同一類內(nèi)的相似度大,而不同類之間的相似度小

4、。
　　 (3)基于衛(wèi)星云圖的關(guān)聯(lián)規(guī)則挖掘。大量的衛(wèi)星云圖和豐富的地面雨量記錄為進(jìn)行關(guān)聯(lián)規(guī)則挖掘提供了原始素材。云圖的數(shù)據(jù)量非常巨大,經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法Apriori算法無法滿足效率需求。為此,文中又引入了“事務(wù)模式”這一全新概念,基于它對Apriori算法改進(jìn)后,算法用于云圖和雨量數(shù)據(jù)間的關(guān)聯(lián)規(guī)則挖掘,不僅獲得了較好的實驗結(jié)果,也滿足了效率需求。
　　 本課題以研究衛(wèi)星云圖的分析和挖掘的新理論和方法為目的,探討解決