公开(公告)号：CN114742177B

公开(公告)日：2022-09-02

申请号：CN202210639860.4

申请日：2022-06-08

Applicant: 南京信息工程大学

Inventor： 秦华旺 ,  尹传豪 ,  戴跃伟

IPC: G06K9/62 ,  G06N3/00 ,  G06Q50/26

Abstract: 本发明公开了一种基于AGA‑XGBoost和GWO‑SVM的气象数据分类方法，包括步骤如下：气象数据预处理；构建堆叠降噪自编码器，对预处理后的训练集数据进行特征提取；将处理过后的训练集样本用作AGA‑XGBoost和GWO‑SVM两种分类器模型的学习样本；以每个类别在所选气象数据集上的占比为依据，选择待分类样本所适用的分类器模型。本发明的气象数据分类方法，能够从海量高维的气象数据中提取深层次特征，并能够有效解决气象样本中的数据不平衡问题，提高了模型整体的分类准确性。

公开(公告)号：CN114742177A

公开(公告)日：2022-07-12

申请号：CN202210639860.4

申请日：2022-06-08

Applicant: 南京信息工程大学

Inventor： 秦华旺 ,  尹传豪 ,  戴跃伟

IPC: G06K9/62 ,  G06N3/00 ,  G06Q50/26

Abstract: 本发明公开了一种基于AGA‑XGBoost和GWO‑SVM的气象数据分类方法，包括步骤如下：气象数据预处理；构建堆叠降噪自编码器，对预处理后的训练集数据进行特征提取；将处理过后的训练集样本用作AGA‑XGBoost和GWO‑SVM两种分类器模型的学习样本；以每个类别在所选气象数据集上的占比为依据，选择待分类样本所适用的分类器模型。本发明的气象数据分类方法，能够从海量高维的气象数据中提取深层次特征，并能够有效解决气象样本中的数据不平衡问题，提高了模型整体的分类准确性。