利用凸包与 K-Means 技术进行天气预报：一种方法
数据库
2015-01-27 v1
摘要
数据挖掘是从大量数据中挖掘必要数据的流行概念。使用聚类的数据挖掘是分析数据并进行预测的有力方法。本文利用非结构化时间序列数据预测加尔各答市的日平均温度、湿度及整体天气状况。空气污染数据取自西孟加拉邦污染控制委员会，以构建原始数据集，并在该数据集上研究和应用本文的预测方法。本文描述了一种利用凸包预测天气状况的新技术，该技术提供结构化数据，随后应用增量 K-means 定义适当的聚类。该方法根据不同的天气条件将总数据库划分为四个独立的数据库。在最后一步，结果将基于基于优先级的协议进行计算，该协议是基于某些数学推导定义的。
引用
@article{arxiv.1501.06456,
title = {Weather forecasting using Convex hull & K-Means Techniques An Approach},
author = {Ratul Dey Sanjay Chakraborty Lopamudra Dey},
journal= {arXiv preprint arXiv:1501.06456},
year = {2015}
}
备注
1st International Science & Technology Congress(IEMCON-2015) Elsevier