基于非平衡與在線學習的極限學習機算法研究與應用.pdf

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