10.3969/j.issn.1674-7097.2003.01.013
基于径向基函数网络的云自动分类研究
采用GMS-5红外(10.5~12.5 μm)和可见光(0.55~0.9 μm)两通道资料,采集了1999年7-10月中国东南沿海57区、58区和59区包括晴空在内的12类云目标样本2 912个,采样窗尺寸为8×8像素,随机生成训练和测试两个样本子集.对径向基函数网络(radial base function neural network,RBF)在云分类问题研究中的应用价值进行了全面的测试与分析,得到了肯定的结论,提出了优化设计的方法.对6类云型分类试验,平均正确率为86 %;对11类云型分类试验,平均正确率为67 %.采用自组织竞争神经网络实现寻找RBF神经网络的隐层神经元中心.在特征空间生成过程中,采用小波包分解算法实现模式特征抽出.结果表明,小波包分解特征能很好地描述不同云型的差异.
云分类、神经网络、卫星图像
26
P405;P422.15(一般理论与方法)
国防预研基金
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
89-95