基于视频的天气类别识别分类器设计

• 作者: 夏士明 孙吉明 彭旭东
• 来源期刊: 电子测试
• 关键词: 天气类别 AdaBoost SVM
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 设计与研发
• 页码范围: 5-6
• 页数: 2页
• 字数: 1634字
• 语种: 中文

摘要

通过实验发现SVM多分类（导向无环图）对于不同场景的天气类别识别能力较弱，而以随机森林为弱分类器构成的AdaBoost强分类器能有效提高对不同场景的识别能力。基于此，本文最终提出了基于视频的天气类别自动识别分类器的设计。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏士明	解放军理工大学气象海洋学院	6	6	2.0	2.0
2	孙吉明	空军航空大学航理系	11	20	2.0	4.0
3	彭旭东	解放军理工大学气象海洋学院	7	1	1.0	1.0