支持向量数据描述在西北暴雨预报中的应用试验

被引：16

作者：

燕东渭 ^{[1
]}

孙田文 ^{[1
]}

杨艳 ^{[1
]}

方建刚 ^{[1
]}

刘志镜 ^{[2
]}

机构：

[1] 陕西省气象局

[2] 西安电子科技大学

来源：

应用气象学报 | 2007年 / 05期

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;

D O I：

暂无

中图分类号：

P457.6 [降水预报];

学科分类号：

0706 ; 070601 ;

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。

引用

页码：676 / 681

页数：6

共 7 条

[1] 双流机场低能见度天气预报方法研究 [J].