导读:本文包含了云层的分类论文开题报告文献综述及选题提纲参考文献，主要关键词:机器学习,卷积神经网络,云层图像分类
云层的分类论文文献综述
姚繄蕾[1]（2018）在《云层背景图像机器学习分类方法研究》一文中研究指出云层在气候预测、气象服务等领域中起着非常重要的作用。现存的天基或地基云层图像分类任务多为人工完成,消费大量的人力,而且由于观察者的不同标准导致分类结果模棱两可。在这种背景下,本论文以天基和地基两种云层图像数据集TCdata和SCdata为数据源,进行了云层背景图像机器学习自动分类方法的研究,开展了以下四个方面的研究工作。(1)在基于卷积神经网络的云层背景图像分类方法方面,研究了基于卷积神经网络的云层背景图像分类方法的结构与训练过程,并在Tensor Flow开发环境中,搭建了卷积神经网络的训练与测试平台。(2)在数据集的制作与处理方面,制作了天基和地基两种云层图像数据集TCdata和SCdata数据集,并对二者进行了数据预处理、数据增强、数据集划分和数据集存储等处理。这两种数据集中云层图像的特征复杂度,为不同结构的卷积神经网络的对比实验研究提供了数据支撑。(3)在简单图像分类模型的设计与改进方面,以Le Net模型和Alex Net模型为基础设计了STCnet模型,在TCdata和SCdata数据集上的分类准确率都能达到96%以上。实验证明了池化层在STCnet模型中的重要作用,并在模型中所有卷积层后都保留了池化层。改进了STCnet模型中的激活函数,提高了模型对云层图像的分类准确率。(4)在复杂图像分类模型的设计与改进方面,设计了改进的Goog Le Net模型云层图像分类方法,通过卷积神经网络模型提取特征和SVM分类器两个模块的结合,设计了Goog Le Net-SVM融合模型。通过对各个模型的分类效果进行比较,证明了Goog Le Net-SVM融合模型不仅可以得到优越的分类准确率,还具有分类处理时耗少的优点。本文所研究的机器学习分类方法可以应用于云层背景图像数据处理与分类领域,为分类模型的优化提供了理论支撑。(本文来源于《哈尔滨工业大学》期刊2018-06-01）
李欣,赵亦工,陈冰[2]（2009）在《基于分类的红外云层背景弱小目标检测方法》一文中研究指出提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。根据红外成像的特点,将红外云层背景弱小目标图像分为叁类:边缘类、净空及云中类、弱小目标类;对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量;根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。(本文来源于《光学学报》期刊2009年11期）
云层的分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。根据红外成像的特点,将红外云层背景弱小目标图像分为叁类:边缘类、净空及云中类、弱小目标类;对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量;根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
云层的分类论文参考文献
[1].姚繄蕾.云层背景图像机器学习分类方法研究[D].哈尔滨工业大学.2018
[2].李欣,赵亦工,陈冰.基于分类的红外云层背景弱小目标检测方法[J].光学学报.2009