全文
摘 要
雲的變化為許多大自然現象的指標. 在本研究中, 提出以類神經網路 之方法進行雲的識別. 類神經網路的技術擁有普遍性, 容 錯和並行處理的 優點, 因此大幅提升了影像處理之速度和準確性. 此研究提升了對紅外線 衛星圖中雲的識別與分類能力, 所 提出之方法將突破傳統所利用的統計或 門檻值法, 而以奇異值分解法和KL轉換法來擷取影像之紋理特徵, 有效地 利用最少 的資訊來表達圖像之意義, 在將擷取特徵送入一自組織特徵( KOHONEN) 之類神經網路來作自動化雲之識別與分類. 此方 法, 有效地 彌補了傳統方法之缺點, 且能達到某程度的分 類能力, 對於未來的大 氣科學的研究發展有相當的助益.
關鍵詞 : 類神經網路 ; 雲識別 ; 奇異值分解 ; 特徵擷取 ; 自組織特徵映射 目錄 0
參考文獻 0
相關文件
The purpose of this paper is to achieve the recognition of guide routes by the neural network, which integrates the approaches of color space conversion, image binary,
我們提出利用讀取器與讀取器間的距離為參數來優化利用分層移除讀取器之方法的最佳 化技術 Distance Based Optimization for Eliminating Redundant Readers (DBO) ，此方法完全
一般在使用 MFCC 做為特徵擷取參數的方法，是將所有短時域音框所取得 的 MFCC 加總取平均(mean)，或是將所有短時域音框所得之 MFCC 計算其標準 差(standard
Cohen 等人在[8]一文中提出自動進行呼吸聲分類的方法。此方法使用 LPC 係數 與能量輪廓作為特徵值來建立雙層結構的呼吸聲分類器，可以對肺泡呼吸聲(vesicular breath sounds) 、 支 氣 管
本研究於 2017 年 2 月至屏東縣 10 所校園採集使用水源及經淨水處理
本研究是以景觀指數進行對 1993 年、2008 年與擴大土地使用三個時期之評 估，其評估結果做比較討論。而目前研究提供研究方法的應用－GIS 與 FRAGSTATS 之使用方法。從 1993 年至
本研究以河川生態工法為案例探討對象，應用自行開發設計之網
本研究以河川生態工法為案例探討對象，應用自行開發設計之網
