典型文献
一种双流CNN的太阳黑子群磁类型分类方法
文献摘要：
太阳耀斑大多数发生在磁极复杂的黑子群上空,因此,黑子群磁类型可以作为预测太阳耀斑的重要依据.针对同时具有白光图和磁图数据的太阳黑子分类,提出了一种双流卷积神经网络(Convolutional Neural Network,CNN)的黑子群磁类型分类方法.该方法通过两个网络分支同时提取白光图和磁图特征,在全连接层对两类特征进行融合,最后用于训练和分类.实验结果表明,该方法能较好地避免单通道网络模型的信息损失以及使用双通道图像合成出现的白光图和磁图的相互影响,加权F 1分数可达84.87％,平均准确率可达84.93％.
文献关键词：
太阳黑子;威尔逊山;双流卷积神经网络;ResNet
中图分类号：
作者姓名：
杨五谷;田卫新;曾曙光;黄瑶
作者机构：
湖北省农田环境监测工程技术研究中心,湖北 宜昌 443002;三峡大学计算机与信息学院,湖北 宜昌 443002;三峡大学天文与空间科学研究中心,湖北 宜昌 443002
文献出处：
引用格式：
[1]杨五谷;田卫新;曾曙光;黄瑶-.一种双流CNN的太阳黑子群磁类型分类方法)[J].天文研究与技术－国家天文台台刊,2022(02):149-157
A类：
太阳黑子分类,威尔逊山
B类：
分类方法,太阳耀斑,数发,磁极,上空,白光,图数据,双流卷积神经网络,Convolutional,Neural,Network,同时提取,全连接层,单通道,信息损失,双通道,图像合成,平均准确率,ResNet
AB值：
0.271407
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
