典型文献
基于深度学习的太阳黑子Wilson山磁类型识别方法
文献摘要：
太阳黑子是太阳光球层中带有较强磁场的区域,通常是太阳爆发活动的源区.Wilson山磁分类是当前最为主流的太阳黑子分类方法之一,对研究太阳爆发有重要意义.利用2010-2017年间SDO/HMI成像仪观测到的720s_SHARP磁图和白光图数据,研究使用深度学习对太阳黑子群Wilson山磁分类的方法.实验结果表明,Xception网络在识别太阳黑子Wilson山磁类型上能取得最优的效果,其中对α类型黑子的F1得分为96.50％,β类为93.20％,其他类型的黑子为84.65％.
文献关键词：
太阳黑子;Xception网络;深度学习;Wilson山磁分类
中图分类号：
作者姓名：
李书馨;赵学斌;陈君;李伟夫;陈洪;陈艳红;崔延美;袁天娇
作者机构：
中国科学院国家空间科学中心 北京 100190;中国科学院大学 北京 100049;中国科学院空间环境态势感知技术重点实验室 北京 100190;华中农业大学理学院 武汉 430070
文献出处：
引用格式：
[1]李书馨;赵学斌;陈君;李伟夫;陈洪;陈艳红;崔延美;袁天娇-.基于深度学习的太阳黑子Wilson山磁类型识别方法)[J].空间科学学报,2022(03):333-339
A类：
太阳黑子分类,720s
B类：
Wilson,类型识别,太阳光球层,强磁场,太阳爆发,源区,分类方法,发有,SDO,HMI,成像仪,仪观,SHARP,白光,图数据,使用深度,Xception,能取
AB值：
0.286294
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。
