基于支持向量机的CloudSat卫星云分类算法

• 作者: 严卫 任建奇 赵现斌 韩丁
• 来源期刊: 大气科学学报
• 学科: 地球科学
• 关键词: 支持向量机 BP网络 云分类 毫米波 CloudSat
• 年，卷（期）: 2011,（5）
• 页码范围: 583-591
• 分类号: TN95|P426.5
• 字数: 6105字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-7097.2011.05.008

摘要

从基于云角色的分类思想出发,利用星载毫米波雷达探测资料提取云的特征参数,建立支持向量机（support vector machine,SVM）模型实现云的分类。通过与BP（back propagation）网络模型的分类结果进行对比,发现两种模型都具有较好的分类能力,但SVM模型的识别准确率更高,计算速度更快。基于CloudSat资料的云分类实例表明,SVM模型的分类结果与CloudSat数据处理中心（Data Processing Center,DPC）发布产品具有很好的一致性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严卫	解放军理工大学气象学院	77	472	12.0	16.0
2	任建奇	解放军理工大学气象学院	9	64	5.0	8.0
3	赵现斌	解放军理工大学气象学院	23	107	7.0	9.0
4	韩丁	解放军理工大学气象学院	13	125	8.0	11.0