1 上海交通大学电子信息与电气工程学院,上海200240
2 上海交通大学航空航天学院,上海200240
3 中国气象局上海台风研究所,上海200030
Dvorak 等人提出的基于卫星云图的云型和云系特征的热带气旋强度估计方法已被世界气象组织推荐给全球使用。本文尝试从历史数据中自动发现典型的云型模式,实现Dvorak 模板图像的自动选取、匹配和识别。采用SOM 对12000 多幅红外云图进行聚类,采用提出的局部统计信息等特征,分析了某些距离作为相似性度量存在而只能发现球形簇的缺点;对不同的特征和相似性度量进行了对比试验,并分析了SOM 拓扑误差和量化误差。从实验结果可以看出,局部精特征有着最小的量化误差,但聚类准确度较低。原始图像作为输入特征时,有着较高的聚类准确度及拓扑保持度。局部统计信息特征比局部情特征量化误差大,但有着更高的聚类准确度。这些结论为采用无监督聚类方法来发现云型模式并找到最佳的特征和较好的相似性度量以取得更好的结果提供了重要的参考,也有助于避免目前云图自动化分析研究中对特征和度量选取的随意性。
聚类分析 台风云型模式 知识发现 自组织网络 局部统计信息 clustering analysis typhoon cloud patterns knowledge discovery SOM local statistic information
1 National Key Lab. of Radar Signal Processing, Xidian Univ., Xi'an 710071, China
2 Dept. of Management, Hubei Automotive Industries Institute,Shiyan 442002, China
evolutionary strategy immune knowledge discovery Chinese Journal of Lasers B
2002, 11(5): 381
Key Lab for Radar Signal Processing, Xidian Univ., Xi′an 710071, China
Immune algorithms knowledge discovery in databases data mining Chinese Journal of Lasers B
2001, 10(6): 427