基于機(jī)器學(xué)習(xí)支持向量機(jī)SVM的天氣識(shí)別和預(yù)報(bào)
大?。?/span>2.80 MB 人氣： 2017-11-10 需要積分：0
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
用機(jī)器學(xué)習(xí)中有監(jiān)督學(xué)習(xí)模型支持向量機(jī)SVM來(lái)進(jìn)行強(qiáng)對(duì)流天氣的識(shí)別和預(yù)報(bào)。強(qiáng)對(duì)流天氣的發(fā)生可以看作是小概率事件，因此強(qiáng)對(duì)流天氣的預(yù)警問題可以作為不平衡數(shù)據(jù)分類問題來(lái)處理。在SVM的應(yīng)用上結(jié)合判別準(zhǔn)則來(lái)對(duì)不平衡數(shù)據(jù)進(jìn)行處理，更好的對(duì)強(qiáng)對(duì)流天氣進(jìn)行預(yù)警。本文從數(shù)據(jù)的獲取、訓(xùn)練算法的選擇、算法的應(yīng)用、實(shí)驗(yàn)結(jié)果的評(píng)估幾個(gè)方面進(jìn)行了詳細(xì)的描述。通過(guò)采用丹佛地區(qū)的數(shù)據(jù)進(jìn)行大量試驗(yàn)，排除了不平衡數(shù)據(jù)對(duì)分類的干擾，提高了強(qiáng)對(duì)流天氣識(shí)別的準(zhǔn)確度。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于機(jī)器學(xué)習(xí)支持向量機(jī)SVM的天氣識(shí)別和預(yù)報(bào)下載
相關(guān)電子資料下載
- 人工智能輔助編程工具的定義和工作原理 379
- 基于CNN的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)設(shè)計(jì) 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析工具有哪幾種模式 83
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- tensorflow和pytorch哪個(gè)好 156
- tensorflow簡(jiǎn)單的模型訓(xùn)練 71
- 遷移學(xué)習(xí)的基本概念和實(shí)現(xiàn)方法 98
- 深度神經(jīng)網(wǎng)絡(luò)概述及其應(yīng)用 104
- 人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)機(jī)器學(xué)習(xí)模型的區(qū)別 83