多核相关向量机的BDS卫星钟差预报算法

针对BDS卫星钟差数据中非线性特性较为复杂且难以精确预测的问题,提出一种基于多核相关向量机的卫星钟差预报算法.使用武汉大学IGS中心MGEX提供的实测BDS精密钟差数据进行预报试验,并将本文的方法与QP、QP-Period以及LS-SVM模型进行对比.结果 表明:MKF-RVM预报24 h的BDS-2卫星钟差数据的精度...     

基于小波变换和最小二乘支持向量机的卫星钟差预报

提出了一种基于小波变换和最小二乘支持向量机的卫星钟差预报方法 首先通过小波变换把钟差时间序列分解成具有不同频率特征的分量然后根据各分量的特点构建不同的最小二乘支持向量机模型进行预报最后将各分量的预报结果进行叠加得到最终的钟差预报值 实验结果表明该方法的预报效果优于单一的最小二乘支持向量机模型以及常规的二次多项式模型和灰色系统模型     

风云四号卫星东南沿海热带气旋强度深度学习估算

热带气旋TC（Tropical Cyclone）是影响中国的一个重要天气系统。TC强度准确估测对台风灾害防御具有至关重要的意义。本文基于第二代静止气象卫星风云四号（FY-4A）多通道扫描成像辐射计AGRI（Advanced Geosynchronous Radiation Imager）资料,建立了台风强度识别的深度卷积神经网络模型CNN（Convolutional Neural Network）,对台风强度不同等级和台风中心最大风速进行了试验。结果表明,CNN模型具有良好的高维非线性处理能力和算法稳定性,能对TC强度进行有效估计,不同TC强度等级识别精度均在97%以上,近中心最大风速平均绝对误差MAE（Mean Absolute Error）为1.75 m/s,均方根误差RMSE（Root Mean Square Error）为2.04 m/s。CNN可有效挖掘卫星TC形态的深层信息,对台风强度的定量化估测具有较高的应用前景。     

关联向量机在高光谱影像分类中的应用

将关联向量机应用于高光谱影像分类, 实现高维空间中训练样本不足时分类器的精确建模。从稀疏贝叶 斯理论出发, 分析关联向量机原理, 探讨一对多、一对一和两种直接的多分类方法。实验环节比较了各种多分类方 法, 并从精度、稀疏性两方面将关联向量机与支持向量机等经典算法比较。实验结果表明, 两种直接的多分类方法 内存占用大、效率低; 一对多精度最高, 但效率较低; 一对一计算效率最高, 精度与一对多近似。关联向量机精度 不如支持向量机, 但解更稀疏, 测试样本较多时实时性好, 适合处理大场景高光谱影像的分类问题。