基于模糊C均值聚类的云图样本修正与云类自动识别
本文基于云类样本的红外-可见光二维灰度空间投影,采用模糊聚类方法调整优化云类样本特征区域,消除采样误差.针对常规模糊C均值聚类(FCM)方法在处理上述问题时表现出的局限性,提出用样本特征均值替代FCM中随机初始中心的改进办法,既避免了常规FCM方法对初始中心敏感的缺陷,又可纠正其聚类结果对云类样本特征结构的歪曲.改进后的聚类结果既消除了采样误差,又保持了云类样本的基本特征属性,基于该判据的分类结果可较为准确地分辨出陆地、水体、低云、中云、卷云、对流云和积雨云,分割判别效果符合客观实际.
模糊C均值聚类 分割识别 云图 云类样本
王彦磊 张韧
解放军理工大学气象学院海洋气象系,南京,211101
国内会议
北京
中文
395-401
2004-10-25（万方平台首次上网日期，不代表论文的发表时间）