已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、眾所周知,對氣象衛(wèi)星云圖的研究分析,是獲得天氣預報、檢測全球氣候變化的主要方法。其中,云圖的檢測分類以及云量的計算對氣象預報有著重要的影響。因此,對于氣象衛(wèi)星云圖的檢測分類方法一直是國內外學者研究的重點。衛(wèi)星云圖檢測分類的主要目的是提取出不同氣象衛(wèi)星云圖的主要特征,良好的特征提取對于后期云量計算的準確率具有很大的影響。然而,目前國內外的研究方法對于衛(wèi)星云圖特征的提取率相對比較低,從而導致了后期云量計算的結果也有很大的偏差。本篇文章在參考
2、了國內外學者的相關研究后,提出了一種基于非平衡與在線學習的極限學習機算法,并運用于衛(wèi)星云圖檢測分類中。
自2006年以來,機器學習領域,取得了突破性的進展,特別是極限學習機的提出在很多領域得到了廣泛的應用。極限學習機相比較于傳統的算法模型具有訓練速度快,泛化性能好等優(yōu)點。但傳統的神經網絡方法在對衛(wèi)星云圖分類的過程中并沒有考慮非平衡數據以及數據更新對分類性能的影響。因此,本文采用了一種改進后的極限學習機算法對衛(wèi)星云圖非平衡樣本進
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度學習的極限學習機算法研究.pdf
- 極限學習機的研究與應用.pdf
- 基于集成學習的極限學習機的算法研究.pdf
- 深度極限學習機的研究與應用.pdf
- 基于極限學習機的多示例算法研究.pdf
- 基于局部感受野極限學習機的研究與應用.pdf
- 基于極限學習機的選擇性集成學習算法研究.pdf
- 不平衡數據分類和極限學習機算法研究.pdf
- 基于極限學習機的目標識別算法研究.pdf
- 煙花算法優(yōu)化極限學習機的研究及應用.pdf
- 面向在線不均衡數據分類的極限學習機算法研究.pdf
- 基于加權投票的集成在線順序極限學習機及其應用.pdf
- 基于深度極限學習機的K-SVD算法研究及其應用.pdf
- 基于監(jiān)督聚類的極限學習機的增量學習算法研究.pdf
- 灰色極限學習機預測算法研究.pdf
- 面向不平衡分布數據的主動極限學習機算法研究.pdf
- 基于序列數據獲取的改進極限學習機算法研究.pdf
- 基于Kernel學習機的建模與分類的應用算法研究.pdf
- 基于極限學習機的圖像標注研究.pdf
- 基于極限學習機的移動視覺搜索研究與優(yōu)化.pdf
評論
0/150
提交評論