3.2 基于SVM的天气类型聚类识别

SVM是基于风险最小化原则的一种统计学习算法，在高维空间中寻找最优分类超平面作为最大分类间隔来进行分类，通过求解凸二次规划问题得到全局最优解，不存在过学习、局部极小等传统学习算法所面临的问题，且在小样本条件下仍具有良好的泛化能力。本部分基于3.1.2节天气类型聚类后的结果，采用SVM对未定义标签的预测日气象类型进行识别。

3.2.1 SVM模型的建立

由于SVM起源于线性分类，最初应用于二分类问题，当处理多类问题时要构造多类分类器。本部分采用间接实现多类分类器的构造，即训练时依次将某类别样本归为一类，其余样本归为另一类，k类样本可构造出k-1个SVM模型。

因晴天与阴雨天气的特征因子并不相同，所以并不能建立统一的训练数据进行预测日类别的识别，而是对其分别处理。具体实现SVM天气类别识别模型如图3-8所示。

图3-8 SVM天气类别识别模型

首先将晴天类别定义为A，阴雨天定义为B，其识别模型为M_AB；然后将阴雨天分为阴天和雨天两类，定义阴天为B₁，雨天定义为B₂，识别模型为；最后将雨天分为小雨和大雨两类，小雨定义为B₂₁，大雨定义为B₂₂，识别模型为。其中，模型M_AB采用式（3-1）的特征因子F₁，若预测样本的气象特征在模型中识别为A类，则该样本即表示为晴天，反之若为B，则该样本就为阴雨天；然后进行阴雨天的识别，采用式（3-2）的特征因子F₂，若预测样本在模型中识别为B₁，则为阴天，若为B₂，则使用模型识别，最后将标签定义为小雨B₂₁或大雨B₂₂。

3.2.2 SVM训练参数的确定及识别结果评估

为提高SVM实际分类识别的精度和泛化能力，本部分采用K折交叉验证（K-fold Cross Validation，K-CV）的方法实现样本集的优化。

由于SVM采用RBF核函数，故需优化惩罚参数C和高斯核函数参数ξ。C值过小易发生过拟合，太大则增大误差；ξ的取值直接影响到最优超平面的确定。因此采用网格搜索法（Grid Search）来确定最佳参数，以分类误差最小为评价指标，若存在多个误差最小值，则选择C最小的一组参数。相比启发式算法，该算法运算速度快，结构简单。图3-9为采用网格算法对SVM回归模型中的M_AB寻优图，图3-9a为等高线搜索图，图3-9b为3维视图。经过优化后得到的参数见表3-4。

图3-9 网格搜索法确定模型M_AB参数

表3-4 SVM模型参数