聚類技術研究及在氣象領域的應用.pdf

1、　　在氣象領域，各地觀測站積累的海量復雜的數(shù)據(jù)一直是科學研究的對象，傳統(tǒng)的分析方法已經(jīng)無法滿足研究者對數(shù)據(jù)處理的需求，數(shù)據(jù)挖掘正是在這種情況下得以運用并迅速發(fā)展起來的一門技術。其中，聚類分析是一種十分有效的數(shù)據(jù)挖掘技術，它根據(jù)數(shù)據(jù)本身的規(guī)律對數(shù)據(jù)集進行自發(fā)地聚類，從而得出有效的結論，具有重要的應用價值。因此，將聚類技術應用到氣象的海量數(shù)據(jù)分析中，從而獲取有價值的信息，為發(fā)現(xiàn)氣象規(guī)律提供可靠依據(jù)，并為進一步的研究奠定基礎。
　　首

2、先，通過對經(jīng)典的K-means算法和基于啟發(fā)式原理的引力搜索算法的研究與分析，發(fā)現(xiàn)經(jīng)典K-means算法原理簡單、復雜度低，但同時存在易陷入局部最優(yōu)的問題；此外基于啟發(fā)式原理的引力搜索算法，具有良好的全局搜索能力，在聚類過程中能夠很好地搜索全體粒子，但同時存在收斂速度相對比較慢的缺點。
　　其次，將K-means算法和引力搜索算法進行結合，提出一種基于引力搜索的K-means聚類算法，該算法用K-means得到的聚類結果作為引力

3、搜索算法的初始粒子群，然后利用引力搜索算法進行全局搜索，避免K-means過早陷于局部最優(yōu)，當適應值達到某個閾值時，運用K-means將數(shù)據(jù)分到以每個粒子為中心的聚類中，并利用K-means原理計算新的聚類中心，并用新的聚類中心作為粒子的編碼值，繼而更新粒子的適應值，加快了引力搜索算法的收斂速度。通過實驗分析，證明改進算法較引力搜索聚類算法提高了收斂速度和聚類質(zhì)量。
　　最后，以河北省94個氣象觀測站30多年的氣象數(shù)據(jù)為研究對象