利用密度聚类支持向量机的气象云图云检测

作     者：金炜 俞建定 符冉迪 岑雄鹰 尹曹谦 

作者机构：宁波大学信息科学与工程学院浙江宁波315211 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2010年第21卷第7期

页      面：1079-1082页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：浙江省自然科学基金资助项目(Y1080778) 教育部科学技术研究重点资助项目(209155) 宁波市自然科学基金资助项目(2008A610012 2007A610012) 浙江省教育厅计划项目(200906750) 

主　　题：云检测 气象云图 密度聚类(DC) 支持向量机(SVM) 

摘      要：为了提高气象云图云检测的判识精度和计算效率,提出一种基于密度聚类支持向量机(DC-SVM)的云检测方法。分析了MTSAT气象云图的特征提取和选择方案,建立了云和下垫面的分类样本集;在SVM学习中,通过引入样本集的纯度及充足度,选择关键样本,减少了噪声和异常样本的干扰,从而降低了计算复杂度,提高了分类精度。实验表明,该算法的分类正确率较BP神经网络及传统SVM的方法分别提高了2.54%和0.21%,训练时间及测试时间也明显减少;而且,该方法还克服了传统云检测方法需要根据先验知识确定阈值的缺点,检测结果与人工解译结果基本吻合。