一种基于宽度学习系统的台风路径分类方法技术方案

本发明专利技术公开了一种基于宽度学习系统的台风路径分类方法。本发明专利技术具体是：S1、将已有的台风路径数据利用改进的DBSCAN算法对台风路径进行聚类分析，建立台风路径的种类标签矩阵；S2、利用改进的层次聚类算法对台风路径进行特征表示，将所有台风路径统一维度；S3、构建基于宽度学习系统的台风路径分类模型，将S1建立的建立台风路径的种类标签矩阵和S2中台风路径特征矩阵作为输入样本，求出系统输入到输出的权重矩阵，从而实现台风路径的分类。本发明专利技术方法采用了宽度学习系统对台风路径进行分类，实现了台风路径的自动分类。现了台风路径的自动分类。现了台风路径的自动分类。

【技术实现步骤摘要】
一种基于宽度学习系统的台风路径分类方法


[0001]本专利技术属于台风路径分类
，特别涉及一种基于宽度学习系统的台风路径分类方法。

技术介绍

[0002]台风是全球最严重的自然灾害之一，因此研究台风活动的变化规律及其成因对台风预报及防灾减灾有极大的科学意义。
[0003]宽度学习系统(BLS)是一种基于随机向量函数链接神经网络的增量式学习算法，由于其训练过程无须反复迭代样本数据且通过岭回归求解伪逆的方式计算网络输出层权重矩阵，因此与普通神经网络相比更适合处理需要计算量较大的工作，如数据分类等。
[0004]宽度学习系统由特征映射层、增强节点层和输出层组成，其中特征映射层和增强向量层共同作为系统的输入。特征映射层通过特征映射函数随机生成权重实现对样本的特征提取。增强节点层通过正交规范化的随机权重对特征向量进行增强计算，引入激活函数函数增强模型的非线性分类能力，从而达到充分提取样本数据特征信息的目的。最后通过对特征映射层和增强节点层的合成矩阵进行伪逆运算，即可求出系统输入到输出的权重矩阵。当利用宽度学习系统解决分类问题时，将待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于宽度学习系统的台风路径分类方法，其特征在于该方法包括以下步骤：S1、构建台风路径种类集合；利用改进的DBSCAN算法对台风路径进行聚类分析，具体是：利用动态时间规整算法代替DBSCAN算法中的相似度计算方法计算路径间的相似度，将相似性大的路径自动聚为一类；建立台风路径的种类标签矩阵；S2、构建台风路径的特征矩阵；利用改进的层次聚类算法对台风路径通过特征表示来统一长度，具体是：将层次聚类算法进行改进，只对各个路径相邻点进行层次聚类分析，以相邻点的欧几里得距离为度量标准，将欧氏距离较小的点进行合并，将所有台风路径统一长度，实现各个台风路径的特征表示；得到台风路径特征矩阵；S3、利用基于宽度学习系统的台风路径多分类模型进行台风路径分类；将S1得到的台风路径种类标签矩阵和S2得到的台风路径特征矩阵作为模型的输入；台风路径多分类模型中的特征映射层随机生成权重对输入样本进行特征提取，增强节点层通过正交规范化的随机权重对特征向量进行增强计算，利用激活函数函数增强模型的非线性分类能力；最后通过对特征映射层和增强节点层的合成矩阵进行伪逆运算，求出系统输入到输出的权重矩阵，输出矩阵每行的输出值即为宽度学习系统求出的各路径分别属于各个类别的概率，各行最大值所在位置索引即为各条测试路径所被判别的类别，从而实现台风路径的分类预测。2.根据权利要求1所述一种基于宽度学习系统的台风路径分类方法，其特征在于，所述S1中的台风路径种类标签矩阵的构造步骤为：S11、设扫描邻域半径eps，最小包含路径个数minPts，任选台风路径样本中一条未被访问的路径开始，利用动态时...

【专利技术属性】
技术研发人员：贺治国，朱业，马赫，卢美，季余，韩东睿，
申请(专利权)人：浙江省海洋监测预报中心，
类型：发明
国别省市：