基于改进的卷积神经网络的太阳射电频谱图像分类
2021-05-25乌有腾赵海燕姜静清Laruibo
内蒙古民族大学学报(自然科学版) 2021年2期
关键词:分类
乌有腾,赵海燕,姜静清,程 俊,Laruibo
(1.内蒙古民族大学 计算机科学与技术学院,内蒙古通辽028043;2.中国科学院太阳活动重点实验室,北京100101)
太阳射电爆发是一种和太阳耀斑等剧烈太阳活动有着紧密关系的射电辐射强烈增强的表现,太阳射电爆发对太阳活动现象的研究具有重要意义.20世纪50年代初WILD等首次将频谱分析仪应用到太阳射电观察和测试当中,在米波波段中察觉到有着很多种不一样的类型的射电爆发,进而开启了对太阳射电爆发频谱归类研究的篇章.伴随着仪器设备与监测技术的逐渐成熟,观察和测量的记录逐渐变多,关于太阳射电爆发的研究也逐渐深入[1-2].
依据太阳射电爆发的频谱特点,爆发可分成I、II、III、IV和V型等类型.LOBZIN等[3-4]分别提出了关于II型和III型爆发的自动检验办法,并根据日冕III型射电爆发的特点运用霍夫变换解析爆发,完成II型爆发的自动检测.SALMANE等[5]提出了一种自动监测太阳射电爆发的动态谱办法,通过解析实时记录信号的动态频谱来消掉干扰信号,进而提出一种基于统计特征的检测分类系统.由于III型和IV型太阳爆发在数据集中占比较大,并且相对于其他爆发类型来说,这两种爆发类型更加容易分辨,所以针对这两种爆发与其他类型进行的分类较多.CHEN等[6]在2015年设计了太阳光谱分类的多模态网络,并在2016年[7]通过深度信念网络(DBN)对太阳射电类型进行了分类.CHEN等[8]在2017年设计了卷积神经网络(CNN)用于太阳射电爆发类型分类,YU等[9]利……
登录APP查看全文
