彭旭东，夏士明，孙吉明（.解放军理工大学气象海洋学院，南京，0；.空军航空大学航理系，长春，300）

基于视频的天气类别识别分类器设计

彭旭东1，夏士明1，孙吉明2
（1.解放军理工大学气象海洋学院，南京，211101；2.空军航空大学航理系，长春，130022）

通过实验发现SVM多分类（导向无环图）对于不同场景的天气类别识别能力较弱，而以随机森林为弱分类器构成的AdaBoost强分类器能有效提高对不同场景的识别能力。基于此，本文最终提出了基于视频的天气类别自动识别分类器的设计。

天气类别；AdaBoost；SVM

天气类别识别属于有监督的学习问题。常用的有监督分类器有支持向量机（SVM）和AdaBoost。常见的天气类别包括晴、多云、阴、雾、雨、雪等，因此本文的基于视频的天气类别识别是一个有监督的多分类问题。

1 AdaBoost分类器

目前，基于视觉的天气类别研究主要采用SVM作为分类器。但SVM对于不同场景的天气类别识别能力较弱。而以随机森林为弱分类器构成的AdaBoost强分类器能提高对不同场景的识别能力。

AdaBoost强分类器是由多个弱分类器构成，每个弱分类器会按照既定规则选择部分样本构成训练集进行训练，因此每个训练样本都被赋予权重，以表明它被某个弱分类器选入训练集的概率。如果某样本点已经被准确地分类，那么在构造下一个训练集时，它被选中的概率将降低；相反，如果某样本点没有被正确分类，那么它的权重就将提高。通过该种方式，AdaBoost方法能够聚焦于那些较难区分的样本上。

2 验证方法

为了验证方法的正确性，本文在主频为2.9GHz，内存为8GB 的PC机上，采用Matlab2009a进行了分类识别实验。……