基于非平衡与在线学习的极限学习机算法研究与应用

摘要

众所周知，对气象卫星云图的研究分析，是获得天气预报、检测全球气候变化的主要方法。其中，云图的检测分类以及云量的计算对气象预报有着重要的影响。因此，对于气象卫星云图的检测分类方法一直是国内外学者研究的重点。卫星云图检测分类的主要目的是提取出不同气象卫星云图的主要特征，良好的特征提取对于后期云量计算的准确率具有很大的影响。然而，目前国内外的研究方法对于卫星云图特征的提取率相对比较低，从而导致了后期云量计算的结果也有很大的偏差。本篇文章在参考了国内外学者的相关研究后，提出了一种基于非平衡与在线学习的极限学习机算法，并运用于卫星云图检测分类中。
　　自2006年以来，机器学习领域，取得了突破性的进展，特别是极限学习机的提出在很多领域得到了广泛的应用。极限学习机相比较于传统的算法模型具有训练速度快，泛化性能好等优点。但传统的神经网络方法在对卫星云图分类的过程中并没有考虑非平衡数据以及数据更新对分类性能的影响。因此，本文采用了一种改进后的极限学习机算法对卫星云图非平衡样本进行检测分类。本文主要工作包括以下两部分:
　　1.提取卫星云图的样本，作为极限学习机的训练样本。利用改进后的非平衡与在线极限学习机对卫星云图中的薄云、厚云以及晴空进行检测。将检测后的云图与传统的检测方法做比较并分析优缺点。
　　2.提取新的非平衡数据样本，利用非平衡与在线极限学习机对卫星云图的云状进行分类（包括云的纹理，颜色，形状）。将分类的结果与其他几种机器学习方法进行比较，评估其精确性与可靠性。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 国内外研究现状

1．3 论文重点研究内容和安排

第二章 机器学习相关算法介绍

2．1 极限学习机发展概述

2．2 单隐层前馈神经网络

2．3 极限学习机算法流程

2．4 极限学习机与BP算法优缺点比较

2．5 本章小结

第三章 非平衡在线极限学习机理论

3．1 在线序列极限学习机

3．2 非平衡极限学习机

3．3 非平衡在线极限学习机

3．4 仿真对比试验

3．5 本章小结

第四章 基于非平衡在线极限学习机的卫星云图检测

4．1 云检测的阂值法分析

4．2 基于非平衡在线极限学习机的卫星云图检测

4．3 实验结果分析

4．4 本章小结

第五章 基于非平衡在线极限学习机的云状分类

5．1 研究动机

5．2 云的特征提取

5．3 非平衡与在线极限学习机的云状分类结果

5．4 本章小结

6．1 论文总结

6．2 论文展望

攻读硕士期间完成的科研情况

致谢

参考文献