面向卫星云图云分类的自适应模糊支持向量机 |
| |
引用本文: | 田文哲,符冉迪,金炜,刘箴,尹曹谦. 面向卫星云图云分类的自适应模糊支持向量机[J]. 武汉大学学报(信息科学版), 2017, 42(4): 488-495. DOI: 10.13203/j.whugis20140734 |
| |
作者姓名: | 田文哲 符冉迪 金炜 刘箴 尹曹谦 |
| |
作者单位: | 宁波大学信息科学与工程学院, 浙江 宁波, 315211 |
| |
基金项目: | 国家自然科学基金Nos. 61271399, 61471212宁波市国际合作项目No. 2013D10011宁波市自然科学基金Nos. 2011A610192, 2013A610055浙江省信息与通信工程重中之重学科项目Nos. XKXL1425,XKXL1306 |
| |
摘 要: | 云类识别是实现卫星云图自动分析的基础,针对卫星云图易受噪声干扰且不同云系往往相互交叠的特点,构造一种面向云类识别的自适应模糊支持向量机。该方法不仅改进了隶属度函数的表现形式,而且通过定义控制临界隶属度和隶属度衰减趋势的参数,使隶属度能根据不同云系样本的具体分布特性自适应调整,解决了传统模糊支持向量机的隶属度函数难以反映样本分布的问题。在MTSAT卫星云图上的实验结果表明,通过提取云图可见光通道的反照率、红外通道的亮温及三种亮温差作为云图的光谱特征,并结合统计纹理特征,所构造的自适应模糊支持向量机分类器能有效区分晴空区、低云、中云、高云及直展云;云类识别准确率优于标准支持向量机和传统模糊支持向量机,且具有更强的稳定性和自适应性。
|
关 键 词: | 模糊支持向量机 隶属度函数 云类识别 最小超球 光谱特征 统计纹理特征 |
收稿时间: | 2015-03-20 |
Adaptive Fuzzy Support Vector Machine for Classification of Clouds in Satellite Imagery |
| |
Affiliation: | Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《武汉大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《武汉大学学报(信息科学版)》下载免费的PDF全文 |