申请/专利权人：中国电子科技集团公司第十四研究所

申请日：2020-04-23

公开（公告）日：2023-08-29

公开（公告）号：CN111582335B

主分类号：G06Q10/04

分类号：G06Q10/04;G01W1/10;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2023.08.29#授权;2020.09.18#实质审查的生效;2020.08.25#公开

摘要：本发明提出一种基于迁移学习的小样本机场大雾预报预警方法，包括以下步骤：步骤S1：从待迁徙机场获取气象观测源域数据并从目标机场获取气象观测目标域数据；步骤S2：将源域数据和目标域数据投影至低维特征空间，并获取域间差异性度量模型；步骤S3：通过变换矩阵将源域数据和目标域数据的原始特征投影到共同子空间，计算间差异性度量模型中变换矩阵，实现特征迁移；步骤S4：将源域数据及目标域数据通过变换矩阵映射到低维子空间，并输入到分类器，判断大雾等级。本发明通过将其他机场的大雾数据通过迁移学习的方法转换为目标机场的大雾预报依据，克服了目标机场在大雾事件为小样本的条件下预报精度低的问题，提高了大雾预报的精准化程度。

主权项：1.一种基于迁移学习的小样本机场大雾预报预警方法，其特征在于，所述小样本机场大雾预报预警方法包括以下步骤：步骤S1：从待迁徙机场获取气象观测源域数据并从目标机场获取气象观测目标域数据；步骤S2：将源域数据和目标域数据投影至低维特征空间，并获取域间差异性度量模型；步骤S3：通过变换矩阵将源域数据和目标域数据的原始特征投影到共同子空间，计算域间差异性度量模型中变换矩阵，实现特征迁移，并训练分类器；步骤S4：将目标域数据通过变换矩阵映射到低维子空间，并输入到分类器，判断大雾等级；在步骤S1中，所述源域数据包括特征向量xi{x1，x2，…，xn1+n2∈xi}和大雾等级标签zi{z1，z2，…，zn1∈zi}，所述目标域数据不包括所述大雾等级标签zi；通过核函数φx将源域数据DS和目标域数据DT投影到低维特征空间，投影模型为：Ys＝φDsYT＝φDTKk，j＝Kxk，xj＝φxkTφxj公式中，φ·是核函数，Ys是源域低维表示，YT是目标域低维表示，xk和xj分别表示源域和或目标域中特征向量xi，Kk，j源域和或目标域的核映射；利用源域和或目标域的核映射求取核矩阵K， 其中，分别表示源域和源域、源域和目标域、目标域和源域、目标域和目标域的核映射；所述域间差异性度量模型是：DistYS，YT＝trWTKLkjKW其中，Lkj是权重系数，tr·是对角线上元素，n1是源域样本数，n2是目标域样本数，W是变换矩阵，K是核矩阵。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第十四研究所 一种基于迁移学习的小样本机场大雾预报预警方法

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