改进K近邻和支持向量机相融合的天气识别

• 作者: 万伟 张红艳 李茵茵
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 天气识别 支持向量机 K近邻 识别正确率
• 年，卷（期）: 2014,（14）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 148-151,167
• 页数: 5页
• 分类号: TP301.6
• 字数: 3689字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1212-0372

摘要

天气受到多种因素综合影响，具有时变性和不确定性，单一模型难以获得较高的识别正确率，为此，提出一种改进K近邻和支持向量机相融合的天气识别模型（IKNN-SVM）。首先计算待识别样本与超平面间距离，然后将距离与预设阈值进行比较，如果大于阈值，则采用支持向量机对天气进行识别，否则利用K近邻算法对天气进行识别，并引入样本密度对K近邻算法进行改进，最后采用仿真实验对模型性能进行测试。仿真结果表明，相对于单一的KNN或SVM，IKNN-SVM提高了天气识别正确率，较好地克服单一模型存在的缺陷。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万伟	广东广播电视大学计算机技术系	6	25	3.0	5.0