支持向量机(SVM)方法在气象预报中的个例试验

SVM(Support Vector Machine)方法的基本思想是:通过非线性映射把样本空间映射到一个高维乃至于无穷维的特征空间(Hilbert空间),在特征空间中寻求最优划分或回归线性超平面,从而解决样本空间中的高度非线性分类和回归等问题.利用1998～2000年9～11月T106-36小时预报的各种输出产品构造因子,以单站有无降水为预报对象,采用MOS法方式构造样本,通过训练建立了单站的晴雨SVM分类预报模型,利用1990～2000年4～9月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料,确定关键区域,构造预报因子,以PP法方式构造样本,通过训练建立了四川盆地内单站气温的SVM回归预报模型,并进行了模拟试验,结果表明,无论是单站晴雨的SVM分类预报模型还是单站平均气温的SVM回归预报模型都显示出了良好的预报能力.     

支持向量机（SVM）方法在气象预报中的个例试验

SVM（Support Vector Machine）方法的基本思想是：通过非线性映射把样本空间映射到一个高维乃至于无穷维的特征空间（Hilbert空间），在特征空间中寻求最优划分或回归线性超平面，从而解决样本空间中的高度非线性分类和回归等问题。利用1998～2000年9～11月T106—36小时预报的各种输出产品构造因子，以单站有无降水为预报对象，采用MOS法方式构造样本，通过训练建立了单站的晴雨SVM分类预报模型，利用1990～2000年4～9月ECMWF北半球的500hPa高度、850hPa温度、地面气压的0小时分析场资料，确定关键区域，构造预报因子，以PP法方式构造样本，通过训练建立了四川盆地内单站气温的SVM回归预报模型，并进行了模拟试验，结果表明，无论是单站晴雨的SVM分类预报模型还是单站平均气温的SVM回归预报模型都显示出了艮好的预报能力。     

基于镜像图的LRC和CRC偏差结合的人脸识别

为了提高人脸识别率及更好地显示人脸特征,本文提出了一种基于镜像图的LRC和CRC偏差结合的人脸识别方法.该方法首先生成一种镜像人脸,再通过融合原始人脸和镜像人脸形成新的混合训练样本,最后利用LRC和CRC偏差结合进行人脸识别.新方法增加了训练样本的数目,克服了由于光照和姿态等外部因素带来的影响.实验结果表明,镜像图与LRC和CRC偏差结合的人脸识别方法提高了人脸识别的准确性.     

南京地区霾预报方法试验研究

支持向量机(SVM)方法是基于统计学理论的一种新的机器学习方法,对解决小样本条件下的非线性问题非常有效.利用2004～2007年南京站的逐日常规观测资料以及同期南京市环境质量监测点的逐日污染物浓度资料,使用SVM分类和回归方法分别建立了南京地区霾日分类预报模型和有霾日14时(北京时间,下同)能见度预报模型.预报试验结果...     

“NLM”方法在预报集成中的应用

用马氏距离客观确定样本的空间结构后,我们可定义在E最小意义下高维空间到低维空间的映射。根据这个原理,L(L>2)个预报方法可综合为2个新因子,最后通过点聚图分析作出预报决断。     

绍兴市第5代稻飞虱发生程度预测模型

气象条件与影响水稻生产的稻飞虱密切相关,利用气象科技可以对稻飞虱的发生进行预测,但因气象数据具有高维非正态、非线性特征,常规方法的预测结果具有相对不稳定性。利用投影寻踪技术较好地解决了气象数据高维非线性、非正态分布问题,建立了绍兴市第5代稻飞虱发生程度的预测模型,经检验和比较,具有理想的预测效果。     

利用双隐层BP网络进行雷暴潜势预报试验——以太原为例

利用太原地区探空资料,结合闪电定位资料,采用神经网络法对太原地区雷暴天气进行潜势预报.选取与雷暴发生相关性较好的探空因子作为预报因子,对其进行归一化处理,输出采用两级分类,构建双隐层的BP网络,并应用独立样本进行预报检验.结果表明,在相同条件下,与单隐层BP网络相比,双隐层BP网络显示了其在解决分类问题上的优势;与多元统计回归法相比,双隐层BP网络获得更高的雷暴预报TS评分及更可靠的结果,显示出神经网络良好的非线性问题处理能力.并且对雷暴预报结果的规律进行了分析与讨论,说明探空因子与雷暴的发生有着密切的联系.     

球链分析

近年来,应用聚类分析和非线性映象制作长期天气预报和天气图分型、气候区划分析等已经有人做了不少工作。这两种方法的特点在于直接分析样本数据在高维空间上的原始结构,由因子间的相关性,寻找样本间的相似性,从而有效地揭示出某些天气的实质,实现分类的目的。然而,如何使得这些方法能自动挑选因子,使用手续简便     

基于判别式字典的正则化稀疏表示人脸识别算法

为了克服非约束性(光照、表情变化)条件下会大大降低人脸识别率的缺陷,提出一种基于Fisher判别准则的正则化稀疏表示人脸识别算法.首先将人脸图像经过Gabor滤波器滤波得到Gabor幅值图像,提取其统一化的局部二进制直方图,然后利用Fisher判别准则学习得到新的字典,最后通过正则化的稀疏表示判断测试图像所属类.利用AR数据库的数据进行实验的结果表明,与SRC、FDDL、RSC识别算法相比,本文算法在非约束性条件下具有最佳的识别率.     

支持向量机在短期气候预测中的应用

支持向量机（SVM，Support Vector Machines）是基于统计学习理论框架下的一种新的通用机器学习方法。可以解决样本空间中的高度非线性分类和回归等问题，是一种处理非线性分类和非线性回归的有效方法。气候变化诸多因子的复杂性和非线性决定了预报因子与预报对象问的非线性关系，SVM为解决短期气候预测提供了一种可行的有效途径。利用Nino区海温、南方涛动指数、副高面积指数、亚洲区极涡面积指数等15个预报因子，建立了阳泉夏季降水正、负距平的SVM非线性分类模型，同时也建立了阳泉夏季降水的SVM回归模型，并进行了相应的预报试验，结果显示，对应的SVM分类模型和回归模型均具有良好的预报能力。     

一种基于数值逼近的KPCA改进算法

核方法广泛应用于模式识别等领域,但其存在着特征抽取效率和样本集的大小成反比的瓶颈问题.因此提出一种基于数值逼近的方法确定虚拟样本矢量,以此代替训练样本,提高KPCA(Kernel Principle Component Analysis)特征抽取效率.在确定虚拟样本矢量时,只需将样本矢量的初值设定为随机变量,算法实现简单、高效.在基准数据集上的实验结果显示该算法优于同类算法.     

用双通道动态阈值对GMS-5图像进行自动云检测

该文用双通道动态阈值法对GMS-5图像进行自动的云检测。在红外通道和可见光通道，分别对每32×32个像元组成的像元阵进行直方图统计，求出区别云和地物值域的阈值，然后对每个像元阵内的逐个像元进行云判识。讨论了在进行直方图分析以求取阈值的过程中，像元阵大小的选取和动态平滑间距的选取对云检测结果的影响。分析结果表明:像元阵大小取32×32时，像元阵所占的地域空间尺度足够小，像元阵内的观测像元样本数足够多，保证了在直方图聚类分析时，每一类含有足够多的样本；GMS-5观测图像的红外通道对原始直方图进行二次平滑时小平滑间距取1.6 K，可见光通道小平滑间距取1.2%，使得确定动态阈值时步长相对小，保证了分析的精度。用目视图像对分析结果进行真实性检验，在中低纬度地区，可见光和红外两个通道都有资料时，该算法的云判识精度较好。在高纬度地区，由于地表温度低，积雪覆盖多，太阳光照角低，该算法的云判识精度较差。     

同构迁移学习理论和算法研究进展

迁移学习的目的是解决目标领域中训练样本不足的学习问题,可以把一些在其他相关的源领域中获得的知识,迁移到目标领域中.它放宽了传统机器学习中的两个基本假设：用于学习的训练样本与新的测试样本满足独立同分布的条件;必须有足够可利用的训练样本才能学习得到一个较好的分类模型.按照源领域和目标领域的特征空间是否相同可划分为同构迁移学习和异构迁移学习.本文主要针对同构迁移学习的相关研究进展进行了综述,从理论、算法、应用方面介绍了在该领域所做的研究工作,并指出了同构迁移学习未来可能的研究方向.     

一种基于特征的人工神经网络数字识别系统模型

在进行神经网络方法的数字图像识别研究时，针对数字图像的复杂性、神经网络输入数据量巨大和学习收敛速度慢的情况，提出了基于特征的神经网络数字识别方法。设计提取了13个结构特征以组成一个13维的超空间，对13维的超平面空间的整个识别过程采用了神经网络聚类方法(其中聚类数为10)，并利用数学软件MATLAB强大的矩阵运算能力和C语言高效的代码实现了数字识别系统模型。实验结果表明，在特征差异不十分明显的情况下，识别时间和识别率仍令人满意。     

基于改进mRMR特征选择的云型识别研究

传统的云型识别主要是提取云的颜色、纹理和形状等特征,但这些特征中存在不相关和冗余特征,导致云型识别率降低.在最大相关最小冗余（max relevance and min-redundancy,mRMR）特征选择方法的基础上,运用互信息标准化形式（Symmetrical Uncertainty,SU）克服互信息偏向于取值较多属性的固有缺点,提出了改进的mRMR特征选择方法,对云的综合特征集进行特征筛选,筛选出最优特征子集,运用支持向量机进行云型识别.试验结果表明该方法优于mRMR方法,使层云、积云、高积云、卷云和晴空5种天空类型的总正确率提高,特征选择前、后的总识别率分别为86.96％、89.04％,识别率提高了2％;对于云型识别研究,经过特征选择后可知纹理特征优于形状特征,基于形状的Zernike矩优于HU不变矩,基于纹理的灰度共生矩阵为最优特征提取方法.     

基于关键帧的双流卷积网络的人体动作识别方法

针对视频序列中人体动作识别存在信息冗余大、准确率低的问题,提出基于关键帧的双流卷积网络的人体动作识别方法.该方法构建了由特征提取、关键帧提取和时空特征融合3个模块构成的网络框架.首先将空间域视频的单帧RGB图像和时间域多帧叠加后的光流图像作为输入,送入VGG16网络模型,提取视频的深度特征;其次提取视频的关键帧,通过不断预测每个视频帧的重要性,选取有足够信息的有用帧并汇聚起来送入神经网络进行训练,选出关键帧并丢弃冗余帧;最后将两个模型的Softmax输出加权融合作为输出结果,得到一个多模型融合的人体动作识别器,实现了对视频的关键帧处理和对动作的时空信息的充分利用.在UCF-101公开数据集上的实验结果表明,与当前人体动作识别的主流方法相比,该方法具有较高的识别率,并且相对降低了网络的复杂度.     

基于雨声识别的雨量测量方法

针对传统雨量测量耗时长,维护不方便的问题,本文在分析声信号识别技术的基础上,提出了基于雨声识别的雨量测量方法,模拟人耳听觉中对频域划定的非线性性和对同一频率群声信号作叠加评价的机理,将傅里叶变换后的能量谱通过梅尔(Mel)滤波器,提取雨声的梅尔频率倒谱系数(MFCC)作为雨声信号的特征向量。在此基础上,构建一个三层BP神经网络,将归一化后的样本数据用于神经网络训练,最后将测试样本用于对雨量的识别。试验结果表明,在少量样本训练的基础上神经网络即能有效识别雨量大小,为声信号识别技术应用于更为精准的雨量测量提供了理论依据。     

雷暴闪电活动特征研究进展

从一般雷暴、灾害性雷暴和台风的闪电活动特征以及雷暴闪电尺度特征四个方面对相关研究进行梳理。一般雷暴通常具有正常极性电荷结构,云/地闪比例在3左右(中纬度地区),地闪中正地闪占比为10%左右,负地闪位置往往更集中于对流区。灾害性雷暴倾向具有活跃的云闪,低比例的地闪,易出现反极性电荷结构,正地闪比例偏高。闪电活动与灾害性天气现象之间存在关联性,部分雹暴过程具有两次闪电活跃阶段。台风中大部分闪电发生在外雨带,眼壁/外雨带闪电爆发很可能预示气旋强度的增强以及路径的改变。由闪电持续时间、通道空间扩展所表征的闪电尺度与雷暴对流强度相关。弱对流雷暴或雷暴的弱对流区域可能由水平扩展、垂直分层的电荷分布形态主导,闪电频次低,闪电空间尺度大;强对流雷暴或雷暴的强对流区域可能由交错分布的小电荷区主导,闪电频次高,闪电尺度小。      

暖脊特征点提取及暖脊线自动绘制方法研究

低空暖脊的出现意味着一种天气不稳定因素的形成,因此,基于温度场的暖脊线的正确识别对于天气预报具有重要意义.本文在分析山脊线算法用于提取暖脊线时暴露出的问题的基础上,提出一种纠偏算法,配合使用为反映暖脊线气象特点所构建的规则,提取到干扰较少的暖脊特征点;根据最小二乘法点拟合线的思想,提出一种光滑中轴算法,得到质量较高的暖脊线.实验表明,本文算法绘制的暖脊线与气象专家手工绘制的暖脊线吻合较高,击中率高达97％,未发现误识.