面向卫星云图云分类的自适应模糊支持向量机
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.
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
42
P231(摄影测量学与测绘遥感)
国家自然科学基金61271399,61471212;宁波市国际合作项目2013D10011;宁波市自然科学基金2011A610192,2013A610055;浙江省信息与通信工程重中之重学科项目XKXL1425,XKXL1306. The National Natural Science Foundation of China,Nos.61271399,61471212;the Ningbo International Project,No.2013D10011;the Ningbo Natural Science Foundation,Nos.2011A610192,2013A610055;the Zhejiang Information and Communication Engineering foremost Academic Discipline Project,Nos.XKXL1425,XKXL1306
2017-05-23（万方平台首次上网日期，不代表论文的发表时间）
共8页
488-495
