固態(tài)降水粒子進(jìn)行準(zhǔn)確而細(xì)致的分類對(duì)許多大氣過程及天氣雷達(dá)的應(yīng)用是十分重要的。使用二維光學(xué)粒子譜儀（2DVD）對(duì)單個(gè)降水粒子進(jìn)行測(cè)量,并基于測(cè)得的粒子微物理參數(shù)及特性提供降水過程中一分鐘單位時(shí)間間隔內(nèi)主要降水粒子類型的估測(cè),對(duì)固態(tài)降水粒子進(jìn)行自動(dòng)分類。為實(shí)現(xiàn)自動(dòng)分類任務(wù),考慮將該工作與常用的機(jī)器學(xué)習(xí)分類算法相結(jié)合,應(yīng)用樸素貝葉斯,支撐向量機(jī)（SVM）,決策樹三種監(jiān)督學(xué)習(xí)算法對(duì)單位時(shí)間間隔內(nèi)的粒子分類。文中將降水粒子歸類為雪花和霰兩種主要類型,并結(jié)合人工檢測(cè)進(jìn)行結(jié)果驗(yàn)證,最終利用獨(dú)立的數(shù)據(jù)集進(jìn)一步驗(yàn)證,證明分類算法的準(zhǔn)確性。 

【文章來源】：成都信息工程大學(xué)學(xué)報(bào). 2020,35(04)

【文章頁數(shù)】：10 頁

【部分圖文】：

2DVD測(cè)量原理圖

降水粒子的形狀參數(shù)需要對(duì)兩個(gè)視圖的原始圖像進(jìn)行相應(yīng)的圖像處理。經(jīng)過初步圖像處理得到的一些參量定義如圖2所示[10]。其中,Pa為通過圖像處理獲得的粒子圖像周長,Aa為面積,W、H分別代表粒子還原圖像的最小外接矩形邊長。利用這些特征量,可以進(jìn)一步計(jì)算出更多詳細(xì)的無量綱形狀特征參量用以補(bǔ)充描述降水粒子的形狀和尺寸參數(shù)。

對(duì)兩類樣本分類的SVM模型結(jié)構(gòu)如圖3所示。使用帶有標(biāo)準(zhǔn)預(yù)測(cè)變量的二元SVM ECOC學(xué)習(xí)分類器。為解決輸入特征線性不可分的問題,選擇高斯徑向基核函數(shù)(RBF)SVM二元分類器實(shí)現(xiàn)粒子自動(dòng)分類。

【參考文獻(xiàn)】：
期刊論文
[1]Classification of Precipitation Types Using Fall Velocity–Diameter Relationships from 2D-Video Distrometer Measurements[J]. Jeong-Eun LEE,Sung-Hwa JUNG,Hong-Mok PARK,Soohyun KWON,Pay-Liam LIN,Gyu Won LEE.  Advances in Atmospheric Sciences. 2015(09)

碩士論文
[1]樸素貝葉斯算法的改進(jìn)與應(yīng)用[D]. 馬剛.安徽大學(xué) 2018



本文編號(hào)：3416161