[發(fā)明專利]一種基于貝葉斯分類的傳統(tǒng)氣象數(shù)據(jù)與感知數(shù)據(jù)融合的方法

有效

• 申請?zhí)枺?/td>: 201210312430.8
• 申請日: 2012-08-30
• 公開（公告）號: CN102956023A
• 公開（公告）日: 2013-03-06
• 發(fā)明（設(shè)計(jì)）人: 杜景林;孫曉燕;周杰
• 申請（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號: G06Q50/26
• 分類號: G06Q50/26;G06F17/30
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 顧進(jìn)

1.一種基于貝葉斯分類的傳統(tǒng)氣象數(shù)據(jù)與感知數(shù)據(jù)融合的方法，其特征在于，包括以下步驟：

步驟1，首先對數(shù)據(jù)進(jìn)行預(yù)處理：針對訓(xùn)練樣本和待分類樣本，對各樣本缺失的屬性進(jìn)行補(bǔ)齊和離散化，使各數(shù)據(jù)項(xiàng)標(biāo)準(zhǔn)化，以便繼續(xù)其后的運(yùn)算步驟；

步驟2，根據(jù)訓(xùn)練樣本數(shù)據(jù)構(gòu)造分類器：

步驟2.1，掃描所有訓(xùn)練樣本,?設(shè)每個(gè)訓(xùn)練樣本具有屬性組????????????????????????????????????????????????，訓(xùn)練樣本被分為c個(gè)類別?；每個(gè)訓(xùn)練樣本都具有類別，統(tǒng)計(jì)訓(xùn)練樣本中,?類標(biāo)簽為（，k=1,2,…,?c）,?屬性（，i=1,2,…,?n）取值為d的樣本個(gè)數(shù)#(?=d∧)?,?形成屬性下的取值d屬于類別的樣本數(shù)量統(tǒng)計(jì)表；

步驟2.2，概率參數(shù)學(xué)習(xí)：計(jì)算所有的先驗(yàn)概率P(=d|)，即在類別中屬性的取值為d的概率,?每個(gè)屬性值d的條件概率P(=d|)=???(k=1,2,…,?c)；計(jì)算每個(gè)類別中每個(gè)屬性的每個(gè)取值的概率及其估計(jì)、、、，和是和在訓(xùn)練數(shù)據(jù)集上的估計(jì)，由此形成各屬性值的概率表，其中，是類別中的訓(xùn)練樣本數(shù)量；

步驟2.3，權(quán)值參數(shù)學(xué)習(xí)：根據(jù)前述的數(shù)量統(tǒng)計(jì)表,?計(jì)算每個(gè)屬性的權(quán)值，其中表示訓(xùn)練樣本中屬性的取值個(gè)數(shù)，為訓(xùn)練樣本中取值為d的數(shù)量，由此生成各屬性值的權(quán)值列表；

步驟2.4，按照ODAWNB方法構(gòu)造出分類器：選擇訓(xùn)練樣本屬性組中被其他所有屬性依賴的屬性，然后用這些屬性構(gòu)造1-依賴分類器，并將這些分類器對每個(gè)類別的預(yù)測集成起來，構(gòu)造出分類算法公式：

；

步驟3，利用步驟2中構(gòu)造的分類器對待分類樣本進(jìn)行分類，將待分類樣本作為輸入?yún)?shù)，利用分類器進(jìn)行計(jì)算，計(jì)算出一個(gè)類別，使得分類器得出的值最大。

2.根據(jù)權(quán)利要求1所述的基于貝葉斯分類的傳統(tǒng)氣象數(shù)據(jù)與感知數(shù)據(jù)融合的方法，其特征在于：在步驟2.4中設(shè)定m是一個(gè)閾值，是屬性取值為的訓(xùn)練樣本的數(shù)目，如果存在i滿足，則提供分類計(jì)算公式：；如果不存在i滿足，則使用樸素貝葉斯分類器。

3.根據(jù)權(quán)利要求1或2所述的基于貝葉斯分類的傳統(tǒng)氣象數(shù)據(jù)與感知數(shù)據(jù)融合的方法，其特征在于：在步驟1中對數(shù)據(jù)進(jìn)行預(yù)處理時(shí)，對各屬性值采用四舍五入取整的方法進(jìn)行處理。