基于SVM的随机特征子空间的风速反演方法

    公开(公告)号:CN118277882A

    公开(公告)日:2024-07-02

    申请号:CN202410390891.X

    申请日:2024-04-02

    Abstract: 本发明公开了一种基于SVM的随机特征子空间的风速反演方法,包括:获取卫星遥感数据进行预处理,并将处理后的遥感数据划分为训练集和测试集;基于随机特征子空间构建构建风速反演模型,并利用训练集对风速反演模型进行训练;其中,风速反演模型包括特征提取模块和随机特征子空间模块;利用测试集评价已训练的所述风速反演模型的性能。本发明首先提高了风速反演模型的效率,将模型的计算资源更多的投入到对风速反演更重要的特征中;其次处理了高维数据和特征空间的异质性,减轻了模型过拟合的风险。

    一种基于置信度深度森林的降雪反演方法

    公开(公告)号:CN117114090A

    公开(公告)日:2023-11-24

    申请号:CN202311097708.9

    申请日:2023-08-29

    Abstract: 本发明涉及降雪反演技术领域,具体涉及一种基于置信度深度森林的降雪反演方法。获取葵花8号卫星遥感数据进行预处理并划分为训练集和测试集;基于深度森林构建降雪反演模型;降雪反演模型包括多粒度扫描模块和级联森林模块;级联森林模块的每一级联层包括两个随机森林和两个极端随机森林;将训练集输入降雪反演模型进行训练,所述降雪反演模型通过多粒度扫描模块对训练集进行滑动窗口扫描生成子样本;所述子样本经过级联森林模块的每一级联层,并根据每一级联层的置信度输出预测结果,得到训练好的降雪反演模型。本发明在级联森林中添加的置信度筛选机制提高了降雪反演的准确性、鲁棒性,并降低了降雪反演任务的时间复杂度。

Patent Agency Ranking