已閱讀1頁,還剩63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、基于衛(wèi)星云圖進行的云分類,云檢測,云量計算是獲取區(qū)域云量分布的主要方式,也是衛(wèi)星氣象應用的基礎,但是現(xiàn)階段的研究未能充分利用衛(wèi)星云圖的特征以及衛(wèi)星光學參數(shù),導致云分類及云量計算效果不好,從實際氣象應用來看,云量計算技術的使用效果不理想。本文在查閱了眾多國內外研究成果之后,將深度極限學習機應用在了衛(wèi)星云圖的云量計算中。
近年來,關于神經(jīng)網(wǎng)絡的研究非?;钴S,其中極限學習機在大量的實際應用中展示出了很好的適用性和魯棒性,具有良好的自
2、學習能力且學習速度快,同時,基于多層神經(jīng)網(wǎng)絡的深度學習具有更強的學習能力,因此,本文使用一種基于深度極限學習機的方法來對衛(wèi)星云圖中的云進行分類和檢測,然后以此為基礎去解決衛(wèi)星云圖的云量計算問題。為了體現(xiàn)深度極限學習機的優(yōu)勢,還提出了另一種基于卷積神經(jīng)網(wǎng)絡的云圖檢測方法,將深度極限學習機跟卷積神經(jīng)網(wǎng)絡作了對比。本文的主要工作包括如下方面:
1.首先提取大量固定像素大小的衛(wèi)星云圖圖塊,作為深度極限學習機的訓練樣本,然后用深度極限學
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(lián)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(wǎng)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(jīng)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(xiàn)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(lián)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
- 1728.基于主動在線極限學習機的衛(wèi)星云量計算
- 基于堆疊極限學習機的衛(wèi)星云圖分類研究.pdf
- 基于深度學習的極限學習機算法研究.pdf
- 衛(wèi)星云圖接收機前端的研究.pdf
- 深度極限學習機的研究與應用.pdf
- 基于衛(wèi)星云圖融合算法的研究.pdf
- 基于內容的衛(wèi)星云圖檢索技術研究.pdf
- 基于衛(wèi)星云圖挖掘技術的降雨預測研究.pdf
- 基于深度極限學習機的K-SVD算法研究及其應用.pdf
- 基于極限學習機對衛(wèi)星鐘差預報的應用研究
- 基于稀疏學習和深度極限學習機的極化SAR圖像半監(jiān)督分類.pdf
- 基于極限學習機對衛(wèi)星鐘差預報的應用研究.pdf
- 基于ELM和SVM的衛(wèi)星云圖分類研究.pdf
- 衛(wèi)星云圖數(shù)據(jù)庫的研究.pdf
- 基于極限學習機的圖像標注研究.pdf
- 基于極限學習機的半監(jiān)督分類.pdf
- 基于集成學習的極限學習機的算法研究.pdf
- 26223.基于靜止氣象衛(wèi)星云圖的分類研究
- 10727.基于多通道衛(wèi)星云圖的對流啟動監(jiān)測
- 基于穩(wěn)健估計的極限學習機方法研究.pdf
評論
0/150
提交評論