本文主要研究内容
作者赵朝方,徐锐,赵可（2019）在《基于HY-2A/SCAT数据极地海冰检测方法研究》一文中研究指出：本文基于HY-2A/SCAT数据,采用贝叶斯算法、线性判别算法、支持向量机算法、基于主成分分析(Principal component Analysis,PCA)的BP神经网络算法对极地地区的海冰进行检测,并将检测结果与SSMIS海冰密集度数据进行比较。结果表明:四种检测算法得到的海冰边界介于SSMIS 0%～30%海冰密集度边界之间。在高风速条件下,海冰和海水的后向散射特征区分不明显可能造成冰水误判,以2013年9月16日北极海冰检测为例,贝叶斯算法检测结果误判最少,其次为基于PCA的BP神经网络算法,线性判别和支持向量机两种算法误判率较高。考虑到检测算法的运行效率和冰水误判率,选择贝叶斯算法和支持向量机算法进行海冰面积的季节趋势分析,两种算法得到的海冰面积变化趋势都能反映季节性变化,且在海冰生长季支持向量机算法探测的海冰面积与SSMIS 15%密集度海冰范围保持较好的一致性。
Abstract
ben wen ji yu HY-2A/SCATshu ju ,cai yong bei xie si suan fa 、xian xing pan bie suan fa 、zhi chi xiang liang ji suan fa 、ji yu zhu cheng fen fen xi (Principal component Analysis,PCA)de BPshen jing wang lao suan fa dui ji de de ou de hai bing jin hang jian ce ,bing jiang jian ce jie guo yu SSMIShai bing mi ji du shu ju jin hang bi jiao 。jie guo biao ming :si chong jian ce suan fa de dao de hai bing bian jie jie yu SSMIS 0%～30%hai bing mi ji du bian jie zhi jian 。zai gao feng su tiao jian xia ,hai bing he hai shui de hou xiang san she te zheng ou fen bu ming xian ke neng zao cheng bing shui wu pan ,yi 2013nian 9yue 16ri bei ji hai bing jian ce wei li ,bei xie si suan fa jian ce jie guo wu pan zui shao ,ji ci wei ji yu PCAde BPshen jing wang lao suan fa ,xian xing pan bie he zhi chi xiang liang ji liang chong suan fa wu pan lv jiao gao 。kao lv dao jian ce suan fa de yun hang xiao lv he bing shui wu pan lv ,shua ze bei xie si suan fa he zhi chi xiang liang ji suan fa jin hang hai bing mian ji de ji jie qu shi fen xi ,liang chong suan fa de dao de hai bing mian ji bian hua qu shi dou neng fan ying ji jie xing bian hua ,ju zai hai bing sheng chang ji zhi chi xiang liang ji suan fa tan ce de hai bing mian ji yu SSMIS 15%mi ji du hai bing fan wei bao chi jiao hao de yi zhi xing 。
论文参考文献
论文详细介绍
论文作者分别是来自中国海洋大学学报(自然科学版)的赵朝方,徐锐,赵可，发表于刊物中国海洋大学学报(自然科学版)2019年10期论文，是一篇关于海冰检测论文,贝叶斯论文,线性判别论文,支持向量机论文,神经网络论文,中国海洋大学学报(自然科学版)2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中国海洋大学学报(自然科学版)2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：海冰检测论文; 贝叶斯论文; 线性判别论文; 支持向量机论文; 神经网络论文; 中国海洋大学学报(自然科学版)2019年10期论文;