发明名称 | 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。 | ||
申请公布号 | CN106228197A | 申请公布日期 | 2016.12.14 |
申请号 | CN201610678002.5 | 申请日期 | 2016.08.15 |
申请人 | 南京信息工程大学 | 发明人 | 夏旻;夏梦;王舰锋;杨吉莉 |
分类号 | G06K9/62(2006.01)I;G06N3/08(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 南京经纬专利商标代理有限公司 32200 | 代理人 | 许方 |
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<sub>i</sub>=[x<sub>i1</sub>,x<sub>i2</sub>,...,x<sub>in</sub>]作为神经网络训练的输入数据,其中,X<sub>i</sub>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<sub>i</sub>=[x<sub>i1</sub>,x<sub>i2</sub>,...,x<sub>in</sub>]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<sub>q1</sub>,X<sub>q2</sub>,...,X<sub>qk</sub>;(3)计算测试样本Q的k个近邻X<sub>q1</sub>,X<sub>q2</sub>,...,X<sub>qk</sub>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。 | ||
地址 | 210044 江苏省南京市浦口区宁六路219号 |