气象科技
氣象科技
기상과기
METEOROLOGICAL SCIENCE AND TECHNOLOGY
2013年
5期
803-808
,共6页
王俊%谢明元%杨玲%汤志亚%杨智鹏
王俊%謝明元%楊玲%湯誌亞%楊智鵬
왕준%사명원%양령%탕지아%양지붕
云型识别%互信息%mRMR
雲型識彆%互信息%mRMR
운형식별%호신식%mRMR
cloud-type recognition%feature extraction%mutual information%feature selection%mRMR
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.
傳統的雲型識彆主要是提取雲的顏色、紋理和形狀等特徵,但這些特徵中存在不相關和冗餘特徵,導緻雲型識彆率降低.在最大相關最小冗餘(max relevance and min-redundancy,mRMR)特徵選擇方法的基礎上,運用互信息標準化形式(Symmetrical Uncertainty,SU)剋服互信息偏嚮于取值較多屬性的固有缺點,提齣瞭改進的mRMR特徵選擇方法,對雲的綜閤特徵集進行特徵篩選,篩選齣最優特徵子集,運用支持嚮量機進行雲型識彆.試驗結果錶明該方法優于mRMR方法,使層雲、積雲、高積雲、捲雲和晴空5種天空類型的總正確率提高,特徵選擇前、後的總識彆率分彆為86.96％、89.04％,識彆率提高瞭2％；對于雲型識彆研究,經過特徵選擇後可知紋理特徵優于形狀特徵,基于形狀的Zernike矩優于HU不變矩,基于紋理的灰度共生矩陣為最優特徵提取方法.
전통적운형식별주요시제취운적안색、문리화형상등특정,단저사특정중존재불상관화용여특정,도치운형식별솔강저.재최대상관최소용여(max relevance and min-redundancy,mRMR)특정선택방법적기출상,운용호신식표준화형식(Symmetrical Uncertainty,SU)극복호신식편향우취치교다속성적고유결점,제출료개진적mRMR특정선택방법,대운적종합특정집진행특정사선,사선출최우특정자집,운용지지향량궤진행운형식별.시험결과표명해방법우우mRMR방법,사층운、적운、고적운、권운화청공5충천공류형적총정학솔제고,특정선택전、후적총식별솔분별위86.96％、89.04％,식별솔제고료2％；대우운형식별연구,경과특정선택후가지문리특정우우형상특정,기우형상적Zernike구우우HU불변구,기우문리적회도공생구진위최우특정제취방법.
