基于聚类的太阳光球亮点的数据清洗

摘要

由于光球亮点尺度小、边缘结构不明显等原因,在识别中一部分发亮的碎米粒不可避免地被误识别为亮点。采用基于划分的K-means算法和基于密度的DBSCAN算法分别清洗所有发亮结构的特征数据,拟将非亮点结构从亮点结构中剔除。首先采用LMD算法和三维联通的思想识别和跟踪亮点,然后提取亮点的7个相关度较低的特征值,包括等效直径、强度、偏心率、亮点边缘位于米粒暗径的比例、速度、运动方式和扩散系数,并在数据标准化后,采用主成分分析法根据90%的贡献率降至三维。最后采用K-means算法和DBSCAN算法对亮点数据进行清洗。实验结果表明,两种算法均能清洗非亮点结构,Kmeans算法的正确率为80%,DBSCAN算法的正确率为53%。因此,K-means算法能够更有效地区分亮点和非亮点结构。