改进的主成分分析网络极光图像分类方法

发布时间：2018-05-20 15:14

  本文选题：极光图像 + 深度学习　； 参考：《西安电子科技大学学报》2017年01期

【摘要】：极光的不同形态蕴含了不同的物理意义,进行极光图像的分类研究对人类生活具有极其重要的科学价值.笔者在简单的深度学习模型主成分分析网络的基础上提出了一种改进的主成分分析网络极光图像分类方法.首先利用改进的主成分分析网络提取极光图像的特征,然后将所得特征输入支持向量机对极光图像进行分类.在中国北极黄河站的全天空图像数据库的分类实验结果表明,所提方法取得了较高分类准确率.
[Abstract]:Different forms of aurora have different physical meanings, so the classification of aurora images is of great scientific value to human life. Based on a simple depth learning model, the principal component analysis (PCA) network is used to classify auroral images. Firstly, the improved principal component analysis network is used to extract the features of auroral images, and then the features are input into the support vector machine to classify the auroral images. The experimental results of the whole sky image database at the Yellow River station in the Arctic of China show that the proposed method has a high classification accuracy.
【作者单位】： 西安电子科技大学电子工程学院;遥感科学国家重点实验室;
【基金】：国家自然科学基金资助项目(41031064,61572384) 陕西省自然科学基础研究计划资助项目(2011JQ8019) 海洋公益性行业科研专项资助项目(201005017) 教育部留学回国人员科研启动基金支持 中央高校基本科研业务基金资助项目(K5051302008) 北京师范大学遥感科学国家重点实验室资助项目(OFSLRSS201415)
【分类号】：TP391.41

【参考文献】

相关期刊论文 前1条

1 韩冰;仇文亮;;一种特征显著性编码的极光图像分类方法[J];西安电子科技大学学报;2013年06期

【共引文献】

相关期刊论文 前2条

1 王秀梅;韩冰;高新波;仇文亮;宋亚婷;;基于环形局部方向模式的弧状极光序列检测[J];计算机科学与探索;2015年05期

2 韩冰;廖谦;高新波;;基于空时极向LBP的极光序列事件检测[J];软件学报;2014年09期

【二级参考文献】

相关期刊论文 前4条

1 高凌君;高新波;梁继民;;结合样本选择和AdaBoost的日侧冕状极光检测算法[J];中国图象图形学报;2010年01期

2 姚勇;赵辉;刘志镜;;一种非线性支持向量机决策树多值分类器[J];西安电子科技大学学报;2007年06期

3 胡泽骏;杨惠根;艾勇;黄德宏;胡红桥;刘瑞源;田口真;陈卓天;綦欣;温艳波;刘嵘;王晶;;日侧极光卵的可见光多波段观测特征——中国北极黄河站首次极光观测初步分析[J];极地研究;2005年02期

4 伍忠东,高新波,谢维信;基于核方法的模糊聚类算法[J];西安电子科技大学学报;2004年04期

【相似文献】

相关期刊论文 前10条

1 林和平;杨晨;;模糊主成分分析方法的研究与分析[J];航空计算技术;2006年06期

2 林培龙;;基于主成分分析评价模型的研究与应用[J];信息系统工程;2010年05期

3 张磊;;天津市电子信息产品制造业竞争力分析与评价[J];科技和产业;2011年07期

4 李瑜祥;;主成分分析程序及其应用[J];自动化仪表;1987年04期

5 朱宁;主成分分析在选拔竞赛队员中的应用[J];桂林电子工业学院学报;1999年02期

6 姜春燕;林和平;刘丁慧;付希金;纪永凤;;灰主成分分析研究及其应用[J];吉林大学学报(信息科学版);2007年05期

7 周春生;;主成分分析在大学生成绩影响因素研究中的应用[J];现代计算机;2013年17期

8 顾绍红;王永生;王光霞;;主成分分析模型在数据处理中的应用[J];测绘科学技术学报;2007年05期

9 李雪梅;张素琴;;主成分分析在区域经济分析中的应用[J];计算机工程与应用;2009年19期

10 黎夏,叶嘉安;主成分分析与Cellular Automata在空间决策与城市模拟中的应用[J];中国科学(D辑:地球科学);2001年08期

相关会议论文 前10条

1 么彩莲;魏宁;;关于主成分分析的改进方法探讨[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 陈明星;缪柏其;靳韬;;利率影响因素的主成分分析与因子分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 孙晓东;胡劲松;焦s，

本文编号：1915182