[发明专利]一种基于多层无监督稀疏学习网络的云图云量计算方法

摘要

本发明涉及一种基于多层无监督稀疏学习网络的云图云量计算方法，首先利用前向逐层稀疏自动编码机对图片进行无监督的逐层特征编码得到高阶语义信息，然后利用高阶语义信息将云图分为厚云、薄云及晴空，最后利用“空间相关法”计算云图中的总云量。本发明比传统卫星云图云量计算的准确度高，并且相同硬件条件下样本训练的时间和云量计算的时间得到很大的缩减。

主权项

一种基于多层无监督稀疏学习网络的云图云量计算方法，其特征在于包括如下步骤：(1)多层无监督稀疏学习网络模型结构的训练：设定神经网络为一个含m个隐层的网络，利用已标注的样本(Xi,Yi)，对该神经网络进行学习,使用极限学习机模型进行多层无监督特征学习，得到最优的网络参数,其中，Xi为一个n×n的图像块，Yi表示Xi对应的云的分类，n满足10≤n≤50，i代表第i个样本，i＝1,2,3,...,p，p为样本总数；所述网络模型的输出层采用监督学习的方式实现云的分类学习；(2)卫星图片云分类：将卫星图片分成每个像素大小为n×n的小块，作为神经网络的输入数据，并得到整个神经网络的输出，通过输出值进行最终分类，根据输出的最大值判定云的种类；(3)卫星图片云云量计算：根据步骤(2)中云的种类，采用空间相关方法计算云图上的总云量。