基于支持向量機分類樹的地基云圖分類研究.pdf

1、云類在地球大氣環(huán)境變化中扮演著重要的角色。云類的生成、發(fā)展以及消散對于氣象預報產(chǎn)生重要的影響。因此,快速準確的對云類別進行識別對于天氣預報有重要的意義。目前,有兩種主要手段能夠?qū)υ祁愡M行觀測:即氣象衛(wèi)星云圖或是從陸地進行拍攝所獲得的地基云圖。由于衛(wèi)星云圖成像分辨率不高、數(shù)據(jù)量大,不能精確的反映局部范圍內(nèi)氣象變化狀況,這些因素均制約了其在短時氣象預報中的應(yīng)用。相比于氣象衛(wèi)星云圖,地基云圖以其獲取的方便快捷、圖像信息豐富、能夠準確地反映某局

2、部區(qū)域的氣象變化狀況,對地基云圖的分析成為短時氣象預報研究的熱點。
　　本文在對已有氣象衛(wèi)星云圖分類方法研究的基礎(chǔ)上,提出了一種利用Gabor特征和SVM分類樹對地基云圖進行分類的新方法。本文采用基于Gabor的多尺度分析方法提取了兩種能夠較好地反映地基云圖特點的特征:感興趣算子特征組和排序直方譜特征組。并與目前在模式識別領(lǐng)域使用廣泛的Bag of Words特征提取算法進行對比,實驗結(jié)果表明,Gbaor特征具有更好的分類效果和較

3、強的魯棒性。
　　同時本文采用特征選擇方法對所提取的特征組進行優(yōu)選。并針對常見有監(jiān)督分類過程中學習樣本選擇較為隨意的問題,采用基于聚類分析的學習樣本選擇方法,選擇出能夠代表全體樣本的學習樣本,對于分類器的構(gòu)造過程具有較大的幫助。
　　本文采用BP神經(jīng)網(wǎng)絡(luò)和支持向量機對地基云圖進行分類實驗。介紹了利用集成SVM和二叉樹SVM進行多類分類的方法。并在級聯(lián)分類器和特征分組思想的基礎(chǔ)上,提出了采用動態(tài)特征分組構(gòu)造SVM分類樹的地基云