申请/专利权人：中国民航大学

申请日：2019-11-07

公开（公告）日：2023-04-28

公开（公告）号：CN110852245B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/214;G06F18/2415

优先权：

专利状态码：有效-授权

法律状态：2023.04.28#授权;2020.03.24#实质审查的生效;2020.02.28#公开

摘要：本发明公开了一种基于离散属性BNT的双偏振气象雷达降水粒子分类方法。其首先对输入偏振参量进行离散化处理，然后使用离散化后的数据构造离散属性的贝叶斯网络，充分利用先验信息确定类先验概率，最后根据贝叶斯原理实现对降水粒子的分类。与传统FLA分类算法相比，本发明方法提高了对降水粒子的识别率，有效避免了传统方法中因概率模型或隶属度函数的选择造成的误差，对冰晶等非单峰分布的降水粒子识别能力有明显提升，算法可操作性和泛化性更强。仿真实验验证了本发明方法的有效性。

主权项：1.一种基于离散属性BNT的双偏振气象雷达降水粒子分类方法，其特征在于：所述的基于离散属性BNT的双偏振气象雷达降水粒子分类方法包括按顺序进行的下列步骤：1获取双偏振气象雷达的实测偏振参量数据，从中随机选取部分或全部数据作为离散化数据集，同时选取部分数据作为训练数据集，采用基于粗糙集信息熵的离散化算法对离散化数据集中的离散化数据进行离散化而获得离散化标准，之后利用离散化标准对训练数据集中的训练数据进行离散化的S1阶段；2使用上述训练数据集中离散化后的训练数据对贝叶斯网络进行基于互信息的贝叶斯网络结构学习以及与学得结构相对应的参数学习，获得条件概率密度表，并完成贝叶斯网络分类器构建的S2阶段；3利用融化层信息、异常值信息以及场景影响信息计算出降水粒子的类先验概率的S3阶段；4将步骤2中获得的条件概率密度表、步骤3中获得的降水粒子的类先验概率输入到步骤3中构建的贝叶斯网络分类器中，由此进行降水粒子分类的S4阶段。

全文数据：

权利要求：

百度查询： 中国民航大学 基于离散属性BNT的双偏振气象雷达降水粒子分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD