|
|||||
|
|
| 基于深度表征学习的紫外极光卵图像聚类 | |
| 引用本文： | 张龄舒,邹自明,白曦.基于深度表征学习的紫外极光卵图像聚类[J].空间科学学报,2023(2):219-230. |
| 作者姓名： | 张龄舒 邹自明 白曦 |
| 作者单位： | 1. 中国科学院国家空间科学中心;2. 中国科学院大学;3. 国家空间科学数据中心 |
| 摘 要： | 极光受太阳风驱动的地磁亚暴等大尺度动力学影响，其形态及演化因不同的太阳风-磁层-电离层耦合作用可能表现不同。目前，极光卵及其形态的归类大多依据极光演化理论作主观定性分析，没有明确的分类标准，故难以借助统计分析方法和有监督分类模型开展客观定量研究。建立了基于深度表征学习的紫外极光卵图像聚类模型（MoCo-GMM），并利用空间环境参数设计了评估模型物理合理性的方法，在大规模POLAR卫星紫外极光卵图像数据上进行了实验，聚类结果不仅具有良好的簇内凝聚性和簇间分散性，且具备一定的物理可解释性，有效实现了基于图像的极光卵及其形态的客观归类。 |
| 关 键 词： | 极光卵及形态归类 紫外极光卵图像聚类 MoCo-GMM模型 |
