[發(fā)明專利]一種基于遷移學(xué)習(xí)的小樣本機(jī)場大霧預(yù)報預(yù)警方法

有效

• 申請?zhí)枺?/td>: 202010327321.8
• 申請日: 2020-04-23
• 公開（公告）號: CN111582335B
• 公開（公告）日: 2023-08-29
• 發(fā)明（設(shè)計）人: 彭雄偉;陳建軍;葛紅星;劉佑達(dá);張揚
• 申請（專利權(quán)）人: 中國電子科技集團(tuán)公司第十四研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G01W1/10;G06N20/00
• 代理公司: 北京律譜知識產(chǎn)權(quán)代理有限公司 11457
• 代理人: 李硯明

1.一種基于遷移學(xué)習(xí)的小樣本機(jī)場大霧預(yù)報預(yù)警方法，其特征在于，所述小樣本機(jī)場大霧預(yù)報預(yù)警方法包括以下步驟：

步驟S1：從待遷徙機(jī)場獲取氣象觀測源域數(shù)據(jù)并從目標(biāo)機(jī)場獲取氣象觀測目標(biāo)域數(shù)據(jù)；

步驟S2：將源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)投影至低維特征空間，并獲取域間差異性度量模型；

步驟S3：通過變換矩陣將源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)的原始特征投影到共同子空間，計算域間差異性度量模型中變換矩陣，實現(xiàn)特征遷移，并訓(xùn)練分類器；

步驟S4：將目標(biāo)域數(shù)據(jù)通過變換矩陣映射到低維子空間，并輸入到分類器，判斷大霧等級；

在步驟S1中，所述源域數(shù)據(jù)包括特征向量x_i{x₁，x₂，…，x_n1+n2∈x_i}和大霧等級標(biāo)簽z_i{z₁，z₂，…，z_n1∈z_i}，所述目標(biāo)域數(shù)據(jù)不包括所述大霧等級標(biāo)簽z_i；

通過核函數(shù)φ(x)將源域數(shù)據(jù)D_S和目標(biāo)域數(shù)據(jù)D_T投影到低維特征空間，投影模型為：

Y_s＝φ(D_s)

Y_T＝φ(D_T)

K_k，j＝K(x_k，x_j)＝φ(x_k)^Tφ(x_j)

公式中，φ(·)是核函數(shù)，Y_s是源域低維表示，Y_T是目標(biāo)域低維表示，x_k和x_j分別表示源域和/或目標(biāo)域中特征向量x_i，K_k，j源域和/或目標(biāo)域的核映射；

利用源域和/或目標(biāo)域的核映射求取核矩陣K，

其中，分別表示源域和源域、源域和目標(biāo)域、目標(biāo)域和源域、目標(biāo)域和目標(biāo)域的核映射；所述域間差異性度量模型是：

Dist(Y_S，Y_T)＝tr(W^TKL_kjKW)

其中，L_kj是權(quán)重系數(shù)，tr(·)是對角線上元素，n₁是源域樣本數(shù)，n₂是目標(biāo)域樣本數(shù)，W是變換矩陣，K是核矩陣。

2.根據(jù)權(quán)利要求1所述小樣本機(jī)場大霧預(yù)報預(yù)警方法，其特征在于，在步驟S3中，還包括以下步驟：

步驟S31：建立優(yōu)化模型，對變換矩陣W、示性矩陣F和對角矩陣D進(jìn)行優(yōu)化；并加入約束W^TW＝I，F(xiàn)^TF＝I，所述優(yōu)化模型為：

其中，α，β是正則化系數(shù)，X是源域和/或目標(biāo)域數(shù)據(jù)，F(xiàn)是示性矩陣，D是對角矩陣。

3.根據(jù)權(quán)利要求2所述小樣本機(jī)場大霧預(yù)報預(yù)警方法，其特征在于，在步驟S3中，還包括以下步驟：

步驟S32：賦予優(yōu)化模型中變換矩陣W和對角矩陣D固定值，對示性矩陣F進(jìn)行優(yōu)化，模型轉(zhuǎn)換為：

通過譜分解技術(shù)求解公式得到最優(yōu)結(jié)果示性矩陣F是由矩陣X^TWW^TX的前m個最大特征值對應(yīng)的特征向量組成，其中m為小于等于矩陣X^TWW^TX維數(shù)的值。