申请/专利权人：南京航空航天大学

申请日：2023-12-20

公开（公告）日：2024-04-09

公开（公告）号：CN117849803A

主分类号：G01S13/95

分类号：G01S13/95;G06F18/2431;G06N3/0464;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种融合LightGBM的ResNeXt网络气象目标细粒度识别方法，包括：制作数据集；搭建ResNeXt网络模型，训练得最优模型并测试；将数据集在ResNeXt网络最优模型中粗粒度识别结果与参考结果的差异雷达距离单元数据输入LightGBM分类器训练并测试；使用实测数据，以ResNeXt网络最优模型先获取粗粒度识别结果，若识别正确，保存该点识别结果，若判别失误，将差异距离单元数据输入LightGBM分类器，获得细粒度气象目标识别结果。本发明能精细且高精度地识别气象目标与杂波，其结果相比于ResNeXt网络模型识别结果更精细，精度又优于LightGBM分类器，为气象目标分类打下有力基础。

主权项：1.一种融合LightGBM的ResNeXt网络气象目标细粒度识别方法，其特征在于，包括以下步骤：S1、选取NOAA气象雷达观测资料制作数据集；S2、搭建ResNeXt网络模型，并使用数据集训练得到最优模型并测试；S3、将数据集在ResNeXt网络最优模型中预测结果与参考结果之间的差异雷达距离单元数据作为LightGBM分类器输入数据，训练LightGBM分类器并测试；S4、使用实测数据，通过ResNeXt网络最优模型先获取粗粒度识别结果，将粗粒度识别结果与NOAA原始参考目标Target进行点对点对比，若识别正确，则该点识别结果保存为ResNeXt网络最优模型识别结果CH；若判别失误，则将粗粒度识别结果与NOAA原始参考目标Target之间的差异雷达距离单元数据输入LightGBM分类器，由LightGBM分类器进行细化识别，优化粗粒度识别结果，将差异雷达距离单元点识别结果保存为LightGBM识别结果LH；最后，整合得到与实际气象分布相符的高精度且细粒度的气象目标识别结果。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种融合LightGBM的ResNeXt网络气象目标细粒度识别方法

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