摘要
本申请涉及一种基于教师‑双学生网络的强对流云团识别方法和装置,该方法包括:获取多源卫星数据,并进行预处理,得到标签数据集和无标签数据集;构建强对流云团识别模型;该模型是教师‑双学生网络模型,包括结构相同的一个教师网络和两个学生网络;强对流云团识别模型的训练过程为半监督方式;将验证样本输入到训练好的教师网络中,得到强对流云团识别结果。监督部分中两个学生网络分别学习多种标签下的数据特征;无监督部分将无标签数据经过增强后输入到教师网络和学生网络中,通过教师网络得到的伪标签作为学生网络的标签,学习数据的自身特征,减少模型对标签的依赖,并利用数据增强扰动提高模型的泛化能力,提高强对流云团识别准确度。
技术关键词
类别分布概率
强对流
学生
教师
网络
云团
多源卫星数据
识别方法
叠加特征
无监督
编码器特征
编码特征
无标签数据
移动平均算法
随机梯度下降
参数
矩阵
样本
系统为您推荐了相关专利信息
数据预测分析方法
设备故障预测
残差神经网络
计算方法
长短期记忆网络
自动监测系统
工业设备
云管理平台
实时数据传输方法
光缆
玉米病害
样本生成方法
生成对抗网络模型
多尺度
无人机
遥感影像分割方法
前馈神经网络
编码器
注意力机制
解码器架构
智能质检方法
动态规则引擎
智能质检系统
学习混合模型
金融