Hadoop下基于贝叶斯网络的气象数据挖掘研究

• 作者: 师卫 李欢 王昊
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 数据挖掘 贝叶斯网络 Hadoop MapReduce 气象预测
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 电子电路设计分析及应用
• 页码范围: 841-846
• 页数: 6页
• 分类号: TP301.6
• 字数: 4808字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2016.04.018

摘要

为了提高传统朴素贝叶斯分类器对气象数据挖掘的精度，拥有更高的处理海量数据的效率，提出了一种Hadoop平台下基于离散贝叶斯网络的数据挖掘改进算法。算法不要求属性之间相互独立，且充分结合Hadoop平台适应处理大数据的优点，利用海量数据选取预测因子来训练贝叶斯网络分类器模型，以达到预测温度的目的。实验结果表明，算法不但预测精度明显高于目前短期气候预测中采用的朴素贝叶斯算法，而且极大地提高了运算效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	师卫	太原理工大学信息工程学院	43	186	8.0	10.0
2	李欢	太原理工大学信息工程学院	2	5	1.0	2.0
3	王昊	太原理工大学信息工程学院	5	9	2.0	3.0