基于径向基函数网络的云自动分类研究

采用 GMS- 5红外 ( 1 0 .5～ 1 2 .5μm)和可见光 ( 0 .55～ 0 .9μm)两通道资料 ,采集了 1 999年 7— 1 0月中国东南沿海 57区、58区和 59区包括晴空在内的 1 2类云目标样本 2 91 2个 ,采样窗尺寸为 8× 8像素 ,随机生成训练和测试两个样本子集。对径向基函数网络 ( radial base function neural network,RBF)在云分类问题研究中的应用价值进行了全面的测试与分析 ,得到了肯定的结论 ,提出了优化设计的方法。对6类云型分类试验 ,平均正确率为 86 % ;对 1 1类云型分类试验 ,平均正确率为6 7%。采用自组织竞争神经网络实现寻找 RBF神经网络的隐层神经元中心。在特征空间生成过程中 ,采用小波包分解算法实现模式特征抽出。结果表明 ,小波包分解特征能很好地描述不同云型的差异。