论文部分内容阅读
基于静止气象卫星(GMS-5)多光谱云图的天气采样数据，分别对各样本数据在红外、水汽和可见光通道的灰度、梯度和纹理高维特征窄问的投影点进行聚类分析，进而用其对云图进行天气区的判别分类。针对传统聚类方法存在的缺点，本文提出了模糊C均值聚类(FCM)、遗传算法(GA)和模糊减法聚类(FSC)相互交叉、优势互补的思想，既克服了GA/FCM算法局部/全局寻优的不足，又可客观确定出聚类中心数目。最后得到高维特征空间中各天气的类属域，实况云图中诸象素点通过计算和判断其灰度-梯度特征量在高维空间中的投影点落区位置，即可确定其天气类属，进而实现对天气区的自动分类。试验结果表明，该方法具有良好的分类效果，判别结果与天气实况基本一致。