10.3969/j.issn.1005-0930.2008.05.004
多光谱卫星云图的SOFM-PNN网络耦合的云分类模型
针对单一类型的神经网络分类器难以正确区分和有效识别复杂云类特征的缺陷,本文基于静止气象卫星云图多光谱云类样本,通过计算、分析云图灰度、梯度与纹理特征,提取了云分类最佳判别因子,建立了自组织网络(SOFM)与概率神经网络(PNN)的综合云分类器优化模型.该分类器首先利用自组织网络对云类样本进行无监督初始分类,确定出相似样本子集;随后用概率神经网络对初始分类误差进行有监督修正和分类结果的二次优化判别.试验结果表明,该分类器可有效提高云类判别效果,分类结果的总正确率达到92.4%,Kappa系数为90.82,明显优于单一的统计分类器判别效果.
卫星云图、云分类、自组织神经网络、概率神经网络
16
P407.8(一般理论与方法)
解放军理工大学科研基金资助项目与国家自然科学基金项目40375019;江苏省气象灾害重点实验室基金项目KLME0507
2009-01-05(万方平台首次上网日期,不代表论文的发表时间)
共12页
659-670