一种基于自适应极限学机的卫星图像云量识别方法

摘要

本发明公开了一种基于自适应极限学机的卫星图像云量识别方法，首先利用云图历史数据训练极限学机神经网络，然后通过KNN算法找出测试样本的k个近邻，将k个近邻的算术平均值作为神经网络的输入，得到分类结果，最后采用空间相关方法计算云图上的总云量。本发明克服了传统技术中神经网络的输入数据零散、结果误差大的缺陷。

主权项

一种基于自适应极限学习机的卫星图像云量识别方法，其特征在于，包括以下步骤：(1)用云图历史数据训练极限学习机神经网络，训练样本X_i＝[x_i1,x_i2,...,x_in]作为神经网络训练的输入数据，其中，X_i代表第i个训练样本，i＝1,2,…,m，m是训练样本的个数，神经网络的输出是云分类；(2)针对一个测试样本Q，将它与训练样本X_i＝[x_i1,x_i2,...,x_in]比较，计算测试样本Q与各训练样本的欧式距离，通过欧氏距离找出测试样本Q的k个近邻X_q1,X_q2,...,X_qk；(3)计算测试样本Q的k个近邻X_q1,X_q2,...,X_qk的算术平均值作为训练好的神经网络的输入数据，并根据神经网络输出的分类结果，采用空间相关方法计算云图上的总云量。