-
题名基于熵值法特征筛选的GRNN降雹识别
被引量：2
- 1
-
-
作者
李鹏
嵇佳丽
丁倩雯
-
机构
南京信息工程大学
南京信息工程大学
南京信息工程大学
-
出处
《气象》
CSCD
北大核心
2021年第7期854-861,共8页
-
基金
江苏省重点研发计划社会发展项目(BE2015692)
无锡市社会发展科技示范工程项目(N20191008)
南京信息工程大学无锡校区研究生创新实践项目(WXCX201913)共同资助。
-
文摘
针对冰雹监测难和冰雹灾情不易估计的问题,结合声信号的时域、频域特点,采用时域、频域和小波域相结合的特征提取方法,将熵值法与广义回归神经网络(GRNN)相结合,提出一种基于熵值法特征筛选的GRNN降雹识别方法。对采集的降雹和降雨声信号提取时域特征、频域特征和小波包能量谱特征,采用熵值法确定各特征的权重大小,剔除权重较小的特征项并进行特征融合组成新的特征子集,将特征子集输入GRNN进行预测识别。试验结果表明,该方法能够有效识别冰雹,且特征筛选后的识别率高达97.8276%,相较未进行特征筛选的特征集,识别率提高了近10%。
-
关键词
冰雹监测
时域特征
频域特征
小波包能量谱
熵值法
特征筛选
广义回归神经网络
降雹识别
-
Keywords
hail monitoring
time domain feature
frequency domain feature
wavelet packet energy spectrum
entropy method
feature selection
generalized regression neural network(GRNN)
hail recognition
-
分类号
TB529
[理学—声学]
P409
[天文地球—大气科学及气象学]
-
-
题名基于声信号特征分析的降雹和降雨识别
被引量：1
- 2
-
-
作者
李鹏
嵇佳丽
丁倩雯
-
机构
南京信息工程大学江苏省气象探测与信息处理重点实验室
南京信息工程大学江苏省大气环境与装备技术协同创新中心
南京信息工程大学滨江学院
-
出处
《安徽大学学报（自然科学版）》
CAS
北大核心
2021年第3期34-41,共8页
-
基金
江苏省重点研发计划社会发展项目(BE2015692)
江苏省第11批六大高峰人才项目(2014-XXRJ-006)
+1 种基金
无锡市社会发展科技示范工程项目(N20191008)
南京信息工程大学无锡校区研究生创新实践项目。
-
文摘
基于天气雷达和卫星云图的降雹降雨识别方法,为预警防灾提供了重要的技术支撑,但这些方法需要成本较高的人工后验统计.针对该问题,提出基于声信号特征分析的降雹和降雨识别方案.对降雹和降雨声信号进行预处理,将提取的时频特征作为识别依据,采用基于马氏距离的模糊聚类算法对声信号进行识别.实验结果表明:该方案具有高达93.3333%的识别准确率,可用于降雹降雨声信号的识别.
-
关键词
后验方法
特征分析
马氏距离
模糊聚类
分类识别
-
Keywords
posterior method
feature analysis
Mahalanobis distance
fuzzy clustering
classification and recognition
-
分类号
TB529
[理学—声学]
TH825
[机械工程—精密仪器及机械]
-
-
题名一种机器视觉的冰雹检测方法
- 3
-
-
作者
李鹏
丁倩雯
嵇佳丽
张思炜
-
机构
南京信息工程大学江苏省气象探测与信息处理重点实验室
南京信息工程大学江苏省大气环境与装备技术协同创新中心
南京信息工程大学滨江学院
-
出处
《现代电子技术》
2022年第16期13-17,共5页
-
基金
国家自然科学基金资助项目(41075115)
江苏省重点研发计划社会发展项目(BE2015692)
江苏省第11批六大高峰人才项目(2014⁃XXRJ⁃006)。
-
文摘
针对气象部门人工检测冰雹费时费力的问题,文中提出一种基于机器视觉的冰雹检测方法。首先通过Relief⁃F算法提取有效特征;再基于支持向量机的粒子群优化算法对冰雹进行识别和分类,该方法能够提取冰雹的几何特征、颜色特征参数,可进一步优化机器视觉的冰雹图像处理策略和识别算法。文中采集模拟降雹下的图像160幅,真实场景下的冰雹图像40幅,非冰雹图像200幅,选择实验室模拟的图像作为训练集,其余作为测试集进行图像识别和分类处理。结果表明:所提系统对冰雹识别的准确率最高达97.50%,对冰雹分类的准确率最高为93.50%,能够实现利用机器视觉代替人工视觉对冰雹进行检测的目的。
-
关键词
冰雹检测
机器视觉
图像识别
分类处理
特征提取
Relief⁃F
-
Keywords
hail detection
machine vision
image recognition
classification processing
feature extraction
Relief⁃F
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
