基于半監(jiān)督學習的靜態(tài)極光圖像分類.pdf

1、極光是太陽風攜帶的高能帶電粒子與地球高空大氣層中的中性氣體碰撞后產(chǎn)生的，是唯一能夠用肉眼看得見的具有極區(qū)特征的地球物理現(xiàn)象。對極光形態(tài)和演變的系統(tǒng)觀測可以獲得磁層和日地空間電磁活動的大量信息，有助于深入研究太陽活動對地球的影響方式與程度，對了解空間天氣過程的變化規(guī)律具有重要意義。
　　 模式識別正成為極光圖像分類研究的新手段，但還處于起步階段，有很多問題需要解決，尤其是對未標記樣本的利用還不是很普遍。在模式分類問題中，有監(jiān)督學習

2、需要大量的標記樣本，耗費大量的時間做標記，并且人工標記比較主觀，而無監(jiān)督聚類存在模型不夠準確的現(xiàn)象。針對上述問題和極光的數(shù)據(jù)特點，本文采用基于半監(jiān)督的學習方法：半監(jiān)督期望最大算法、Self-Training算法和基于圖的半監(jiān)督學習算法。因為極光圖像形態(tài)復雜，包括扭曲的弧狀、射線狀、塊狀、帷幔狀等特征，因此，對極光的紋理表征，使用了局部二值模式提取特征。
　　 最后實現(xiàn)了基于半監(jiān)督學習的靜態(tài)極光圖像分類實驗。實驗結(jié)果表明，利用大量