基于聚類分析和關聯規(guī)則的降雨分析與實現.pdf

1、隨著數字圖像處理技術的發(fā)展,多角度、深層次挖掘衛(wèi)星云圖數據信息己成為一種必然發(fā)展趨勢,給氣象衛(wèi)星數據在氣象常規(guī)業(yè)務中的應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。
　　 數據挖掘技術發(fā)展趨勢的多樣化,使本文更加清楚的認識到數據挖掘技術的靈活性。隨著信息時代的發(fā)展,目前技術將被廣泛的融合,數據挖掘技術也不例外。本文將傳統的圖像處理工作與數據挖掘思想相結合,針對具有海量數據的遙感圖像完成了一個初步的基于圖像的數據

2、挖掘系統模型。
　　 具體來說本文的研究內容及其貢獻為:
　　 (1)圖像特征的提取。根據衛(wèi)星云圖的特點應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,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。試驗結果表明,信息熵對云團內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的相關概念。其次重點對K-means算法進行了分析研究,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,其中的聚類數目K是輸入參數。該算法是通過不斷地迭代來進行聚類,當算法收斂到一個結束條件時,就終止迭代過程,輸出一個聚類結果。本文針對聚類個數K的確定、初始K個聚類中心的選定作了改進,給出了K-means的改進算法。算法的出發(fā)點是確保發(fā)現聚類中心的同時使同一類內的相似度大,而不同類之間的相似度小

4、。
　　 (3)基于衛(wèi)星云圖的關聯規(guī)則挖掘。大量的衛(wèi)星云圖和豐富的地面雨量記錄為進行關聯規(guī)則挖掘提供了原始素材。云圖的數據量非常巨大,經典的關聯規(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“事務模式”這一全新概念,基于它對Apriori算法改進后,算法用于云圖和雨量數據間的關聯規(guī)則挖掘,不僅獲得了較好的實驗結果,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