【摘要】： 隨著光學(xué)技術(shù)、數(shù)據(jù)存儲技術(shù)以及空間探測技術(shù)的不斷進(jìn)步，越來越先進(jìn)的系統(tǒng)被應(yīng)用于太陽觀測，，高分辨率的太陽圖像數(shù)據(jù)越來越豐富。這些數(shù)據(jù)記錄了各種太陽活動過程和太陽物理規(guī)律，迫切需要開發(fā)快速、有效的方法挖掘太陽圖像中蘊(yùn)含的有用知識。當(dāng)前太陽物理學(xué)者主要利用手工分析或者計算機(jī)圖像處理的半自動方法來發(fā)現(xiàn)知識。該方式效率較低、分析精度也受到研究人員主觀因素的影響，因此本文提出一種基于概念體的太陽物理知識自動發(fā)現(xiàn)的方法，給出了該方法的基本算法框架，并且將這一框架應(yīng)用于太陽寧靜區(qū)磁場流場圖像知識發(fā)現(xiàn)。 首先，分析了太陽物理知識和物理研究者對太陽圖像的描述方式，以及當(dāng)前基于手工方式，基于圖像處理技術(shù)的半自動方式和基于物理模型的理論推測的知識提取模式。發(fā)現(xiàn)現(xiàn)有的知識描述都是基于概念體進(jìn)行的，知識提取模式主要目的是得到新的概念或者研究已有概念體的一些特性。太陽圖像上的研究只有基于概念體才具有物理意義，才能進(jìn)行后續(xù)的物理知識發(fā)現(xiàn)�；谙袼鼗蚧谙袼丶瘓F(tuán)來進(jìn)行研究體現(xiàn)不出物理概念。因此本文提出了基于概念體的太陽圖像知識發(fā)現(xiàn)，并給出了基于概念體的太陽圖像知識發(fā)現(xiàn)的一般框架。該框架包含圖像中概念體的提取，概念體的刻畫和細(xì)分，概念體中隱含的知識提取三大部分。整個框架不僅融合了人工智能研究領(lǐng)域的認(rèn)知心理學(xué)的思想和人類智能的一個公認(rèn)的特點(diǎn) 信息�；乃枷耄矣行У臑閳D像領(lǐng)域知識的引入提供了接口，能提高對信息的利用率。此外，還能從多個不同的高維空間中對各種概念體挖掘出多角度不易發(fā)現(xiàn)的規(guī)律。 其次，研究了太陽圖像中概念體的提取方法。概念體是太陽圖像具有物理含義的信息表達(dá)的基本單元，是太陽物理知識自動發(fā)現(xiàn)的前提。通過領(lǐng)域知識可知，寧靜區(qū)太陽米粒圖像包含了米粒和暗徑兩種概念體，而磁場圖像中包含了磁元這種概念體。所以對磁場和米粒圖像去噪后進(jìn)行自動分割即可得到概念體。對于米粒圖像，本文采用二維維納濾波對其進(jìn)行去噪，并基于形態(tài)學(xué)方法提取每個米粒的中心區(qū)域作為標(biāo)記；而磁場圖像則是在偏振信號上去除一倍噪聲的數(shù)據(jù)，并用在所有方向都是極值的局部極值像素作為標(biāo)記。用帶標(biāo)記的分水嶺方法對米粒和磁場圖像進(jìn)行分割，并對米粒和磁元的分割效果進(jìn)行了評價和對比分析。分析表明帶標(biāo)記的分水嶺算法能夠有效抑制圖像中的噪聲，防止過分割和欠分割現(xiàn)象，能夠比較精確的得到圖像中的概念體，這為后續(xù)的物理知識發(fā)現(xiàn)打下了基礎(chǔ)。 然后，研究了磁元和米粒等概念體的刻畫和細(xì)分方法。為了研究概念體在特征空間的結(jié)構(gòu)，提取了磁元的周長、面積、磁場特性等6個屬性和米粒的周長、面積、亮度、速度等10個屬性對概念體進(jìn)行刻畫。此時磁元和米�？梢员硎境煽臻g的一個點(diǎn)，采用領(lǐng)域知識和自動聚類算法，探索了這些概念體在特征空間中的結(jié)構(gòu)。基于先驗信息可以將米粒分成運(yùn)動方向向上的米粒和向下的米粒，或者大米粒和小米粒。而利用X-means聚類算法，也可以將5個特征描述的米粒分成2類，6個特征描述的磁元分成2類，4個特征描述的磁元則分成4類。 最后，進(jìn)行了基于概念體的寧靜太陽圖像數(shù)據(jù)挖掘。分析了概念體在單一屬性描述下的均值、方差和概率分布特性。利用1-規(guī)則算法和決策樹算法分別提取了米粒在5個屬性描述的空間中分成2類的規(guī)則，表明了米粒能夠分成大小米粒群。利用決策樹算法提取了磁元在6個屬性描述的空間里分成2類和4個屬性描述的空間里分成4類的規(guī)則。得出的規(guī)則表明，通過亮度，可以分成亮磁元和暗磁元2類；而通過面積和磁通量可以分成面積大且磁通量大、面積大但磁通量小、面積中等和面積小4類不同的磁元。利用線性相關(guān)系數(shù)、信息熵和支持向量機(jī)等方法分析了米粒的直徑等6個屬性與米粒運(yùn)動速度之間的相關(guān)程度。研究表明，與米粒運(yùn)動方向較相關(guān)的屬性分別為米粒的亮度、米粒的直徑以及相鄰暗徑的速度，而磁場特性對速度的影響不大。上述研究例證了本文提出的方法的有效性。
[Abstract]:With the development of optical technology, data storage technology and space exploration technology, more and more advanced systems are applied to the solar observation, and the high-resolution solar image data becomes more and more abundant. These data record various solar activity processes and solar physics laws, and there is an urgent need to develop a rapid and efficient method for mining useful knowledge contained in solar images. The current solar physics mainly uses manual analysis or semi-automatic method of computer image processing to discover knowledge. In this paper, the method of automatic discovery of solar physics knowledge based on conceptual body is proposed in this paper, and the basic algorithm frame of this method is given. and the framework is applied to the field image knowledge discovery of the solar quiet zone magnetic field. Firstly, the description of solar physics knowledge and physical researcher's description of the solar image and the knowledge based on the manual mode, the semi-automatic mode based on the image processing technology and the theory speculation based on the physical model are analyzed. Extraction mode. It is found that the existing knowledge description is based on the concept. The main purpose of the knowledge extraction model is to get a new concept or study the existing concept. Some properties. The study of the solar image only has physical significance on the basis of conceptual bodies, so that subsequent physics can be carried out Knowledge Discovery. It is not shown on pixel-based or pixel-based groups In this paper, a concept-based solar image knowledge discovery is presented, and a concept-based solar image knowledge discovery is presented in this paper. General framework, which includes the extraction of conceptual entities in images, the characterization and subdivision of conceptual bodies, the implicit knowledge extraction in conceptual bodies, 涓夊ぇ閮ㄥ垎.鏁翠釜妗嗘灦涓嶄粎铻嶅悎浜嗕漢宸ユ櫤鑳界爺絀墮鍩熺殑璁ょ煡蹇冪悊瀛︾殑鎬濇兂鍜屼漢綾繪櫤鑳界殑涓

本文編號：2251786