申请/专利权人:武汉轻工大学
申请日:2024-03-20
公开(公告)日:2024-05-14
公开(公告)号:CN118038179A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/80
优先权:
专利状态码:在审-公开
法律状态:2024.05.14#公开
摘要:本发明提供了一种基于特征融合和极限梯度提升的全天空夜间云图分类方法,包括以下步骤:S1,批量获取全天空夜间云图,并对夜间云图进行预处理;S2,对预处理后的夜间云图进行标记分类,得到对应的类别标签;S3,提取夜间云图的多个相关特征;S4,将提取的多个相关特征作为输入,将对应的类别标签作为输出,对极限梯度提升分类器进行迭代训练,得到分类模型;S5,获取待分类夜间云图的多个相关特征,将其输入所述分类模型,得到相应的分类结果。本发明通过对夜间云图进行预处理和标记分类,并提取夜间云图的多个相关特征作为分类器的输入,可以有效提高分类模型的识别精度和泛化能力,减少误判率,即使在复杂的环境下仍能保持较高的识别精度。
主权项:1.一种基于特征融合和极限梯度提升的全天空夜间云图分类方法,其特征在于,包括以下步骤:S1,批量获取全天空夜间云图,并对夜间云图进行预处理;S2,对预处理后的夜间云图进行标记分类,得到对应的类别标签;S3,提取夜间云图的多个相关特征;S4,将提取的多个相关特征作为输入,将对应的类别标签作为输出,对极限梯度提升分类器进行迭代训练,得到分类模型;S5,获取待分类夜间云图的多个相关特征,将其输入所述分类模型,得到相应的分类结果。
全文数据:
权利要求:
百度查询: 武汉轻工大学 基于特征融合和极限梯度提升的全天空夜间云图分类方法
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。