基于卷积神经网络的太阳射电频谱图的分类算法研究
发布时间：2021-08-11 18:35
目前大数据时代下,深度学习的方法使得大数据背后的知识能够得到挖掘利用.在天文射电领域中,每天都能产生海量的天文观测数据,如何对这些数据进行深入的知识挖掘,有效的挑选出研究人员想要的数据是本论文研究的重点.本论文利用深度学习的方法对太阳射电数据进行处理挑选和分类,根据太阳射电频谱图的特点,对数据进行了多步预处理,并提出了两种基于卷积神经网络的分类方法,建立了两种太阳射电频谱图的分类模型,实现了射电频谱的自动分类.第一,本文提出了一种针对射电数据库的基于卷积神经网络的太阳射电频谱图自动分类算法,来解决人工手动挑选数据带来的费时费力以及主观性的问题.实验设计中,该算法对采集的原始数据进行了预处理,包括数据的可视化,通道的归一化以及down-sampling等,并根据数据特点选择了合适的卷积核,得益于卷积神经网络良好的特征提取性,相比之前的工作,提出的网络获得了较高的准确性.实验表明,算法的设计对于太阳射电频谱图的分类具有良好的效果.第二,利用自然数据集和天文数据集的内在相关性,本文提出了一个联合卷积神经网络和迁移学习的分类算法,用来解决太阳射电数据库标记数据类型的不足以及不平衡导致无法训练深...
【文章来源】：深圳大学广东省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
深度学习的发展史
-2.0GHz 1999-2002.5.14 时间信息命名-2.04GHz 2002.5.14-2002.6.24.NLP/.NLS/.CLS/.NLM10s / 0.2s /0.2s / 5ms64-2.06GHz 2002.6.25-2004.10.26.NLP/.NLS/.CLS/.NLM10s / 0.2s /0.2s / 5ms64-1.34GHz 2004.10.27-至今.NLP/.NLS/.CLS/.NLM10s / 0.2s /0.2s / 1.25ms64-3.8GHz 1999 年-至今.NUP/.NUS/.CUP/.CUS10s / 0.2s /0.2s / 8ms16-7.6GHz 1998.8-至今.NPP/.NUS/.CPS/.NPM10s / 0.2s /0.2s / 5ms64
基于卷积神经网络的太阳射电频谱图的分类算法研究见网址：http://www.swpc.noaa.gov/），我们可以看见用来跟踪太阳活动和耀斑X-RAY 流量曲线图，如图 2.2 和 2.3 分别代表着 2018 年 1 月 16 日至 18 日期间X-RAY 曲线图和 2018 年 1 月 18 日 3 时至 15 时期间 6 小时的曲线图．一般而一时刻（一般定义为 1 分钟）的 GOSE X-RAY 曲线大于 M 阶段的时候，我们时刻是爆发的．
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[2]A New Solar Radio Spectrometer at 1.10-2.06 GHz and First Observational Results[J]. Hui-Rong Ji, Qi-Jun Pu, Yi-Hua Yan, Yu-Ying Liu, Zhi-Jun Chen, Cheng-Ming Tan, Cong-Ling Cheng, De-Bang Lao, Shu-Ke Li, Zhi-Qiang Wang, Min-Hong Yu, Jian-Nong Liu, Li-Kang Zhang and Ji-Yong Gao National Astronomical Observatories, Chinese Academy of Sciences, Beijing 100012; Hebei Semiconductor Research Institute, Shijiazhuang 050051. Chinese Journal of Astronomy and Astrophysics. 2005(04)
本文编号：3336677
【文章来源】：深圳大学广东省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
深度学习的发展史
-2.0GHz 1999-2002.5.14 时间信息命名-2.04GHz 2002.5.14-2002.6.24.NLP/.NLS/.CLS/.NLM10s / 0.2s /0.2s / 5ms64-2.06GHz 2002.6.25-2004.10.26.NLP/.NLS/.CLS/.NLM10s / 0.2s /0.2s / 5ms64-1.34GHz 2004.10.27-至今.NLP/.NLS/.CLS/.NLM10s / 0.2s /0.2s / 1.25ms64-3.8GHz 1999 年-至今.NUP/.NUS/.CUP/.CUS10s / 0.2s /0.2s / 8ms16-7.6GHz 1998.8-至今.NPP/.NUS/.CPS/.NPM10s / 0.2s /0.2s / 5ms64
基于卷积神经网络的太阳射电频谱图的分类算法研究见网址：http://www.swpc.noaa.gov/），我们可以看见用来跟踪太阳活动和耀斑X-RAY 流量曲线图，如图 2.2 和 2.3 分别代表着 2018 年 1 月 16 日至 18 日期间X-RAY 曲线图和 2018 年 1 月 18 日 3 时至 15 时期间 6 小时的曲线图．一般而一时刻（一般定义为 1 分钟）的 GOSE X-RAY 曲线大于 M 阶段的时候，我们时刻是爆发的．
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[2]A New Solar Radio Spectrometer at 1.10-2.06 GHz and First Observational Results[J]. Hui-Rong Ji, Qi-Jun Pu, Yi-Hua Yan, Yu-Ying Liu, Zhi-Jun Chen, Cheng-Ming Tan, Cong-Ling Cheng, De-Bang Lao, Shu-Ke Li, Zhi-Qiang Wang, Min-Hong Yu, Jian-Nong Liu, Li-Kang Zhang and Ji-Yong Gao National Astronomical Observatories, Chinese Academy of Sciences, Beijing 100012; Hebei Semiconductor Research Institute, Shijiazhuang 050051. Chinese Journal of Astronomy and Astrophysics. 2005(04)
本文编号：3336677
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3336677.html
