支持向量数据描述在西北暴雨预报中的应用试验

• 作者: 刘志镜 孙田文 方建刚 杨艳 燕东渭
• 来源期刊: 应用气象学报
• 学科: 地球科学
• 关键词: 机器学习 支持向量数据描述(SVDD) 支持向量机(SVM) 暴雨预测
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 论著
• 页码范围: 676-681
• 页数: 6页
• 分类号: P4
• 字数: 4325字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7313.2007.05.012

摘要

传统机器学习中通常隐含假设所研究问题是类别平衡的,气象预报中预测灾害天气时就不满足这个假设,这时往往需要预测重要而稀少的正类(少数类).传统机器学习以精度最大化为目标,在遇到不平衡类别问题时,容易训练出把所有实例都分为反类(多数类)的平庸的分类器.支持向量数据描述是从支持向量机(SVM)发展而来的基于核的机器学习方法,只使用一类样本就可以工作,适合于不平衡类别.以铜川暴雨预测作为试验对象,对SVM和支持向量数据描述(SVDD)进行了对比试验.试验结果表明对于这个不平衡类别问题SVDD具有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘志镜		85	1241	20.0	31.0
2	方建刚		43	515	12.0	21.0
3	燕东渭		4	33	3.0	4.0
7	杨艳		7	41	3.0	6.0
8	孙田文		9	40	3.0	6.0