用户登录  |  用户注册
首 页毕业论文毕业设计下载定做交易过程截图支付宝在线支付
当前位置:完美毕业网毕业设计下载电子信息自动化通信毕业设计

基于深度学习的太阳黑子识别研究

联系方式:点击这里给我发消息QQ8191040
官方主页:www.biye114.com
图片预览: ;论坛转帖
插件情况:
售后服务:请联系客服QQ:8191040
一键分享拿折扣:
  • 好的评价 如果您觉得此软件好,就请您
      0%(0)
  • 差的评价 如果您觉得此软件差,就请您
      0%(0)

软件简介

 太阳表面的磁场发生剧烈变化时通常会引起地球磁场的紊乱,影响地球生物的生活。太阳耀斑的爆发是磁场剧烈变化的一种表现,因此对太阳耀斑爆发的预测工作非常重要。根据相关性研究,太阳黑子群与耀斑的爆发存在紧密联系,可以为耀斑的预测提供可行的技术手段,因此对日面上黑子的正确识别就显得非常重要。
深度学习近年来在机器学习领域得到迅速发展,它在数据特征提取和模型拟合上相比传统机器学习方法有着非常大的优势。深度学习通过低层特征的组合,得出具有更加抽象和本质的表达的高层特征,因此在具有复杂结构的大规模信息数据的处理方面有着优异的表现,在计算机视觉、自然语言处理和语音识别等领域得到了广泛的应用。
本文通过在Caffe深度学习框架下使用卷积神经网络(CNN)实现全日面太阳黑检测。数据的预处理阶段使用MATLAB制作黑子训练数据集,模型训练阶段设计了含输入输出层、两层卷积、两层池化和两层全连接的八层网络结构模型,全日面黑子检测阶段使用了全卷积和比例缩放的策略,达到在日面图上标记出黑子的效果。本文最后对不同参数配置的模型进行性能上的比较和分析,得出结论:全日面图像黑子检测采用本设计中的八层卷积神经网络模型是合理且有效的。

关键词: 耀斑,太阳黑子,深度学习,caffe,CNN,识别

目录
摘要 I
Abstract II
目录 III
引言 1
第1章 概述 2
1.1 太阳黑子简介 2
1.2 深度学习发展简介 3
1.3 本文研究的内容及意义 6
1.4 文章章节安排 7
第2章 卷积神经网络 8
2.1 卷积神经网络的发展及应用 8
2.2 卷积神经网络的原理 9
2.2.1 卷积层 9
2.2.2 池化层 11
2.2.3 全连接层 12
第3章 Caffe的安装及测试 13
3.1 Caffe简介及安装 13
3.2 安装测试 14
第4章 系统实现 17
4.1 系统流程 17
4.2 数据的下载及预处理 18
4.2.1 太阳黑子数据的下载 18
4.2.2 太阳黑子数据的预处理 20
4.3 Sunspotnet模型训练 24
4.3.1 配置文件 24
4.3.2 模型训练 27
4.3.3 模型特征可视化及初步测试 28
4.4 全日面图像的黑子检测 34
4.4.1 全卷积概念介绍 34
4.4.2 全日面黑子检测算法 36
4.4.3 全日面黑子检测结果 40
4.5 基于全卷积训练的模型 41
4.5.1 Fc_Sunspotnet模型 41
4.5.2 Fc_Sunspotnet全日面检测 42
4.5.3 两种模型的黑子检测效果分析 43
第5章 模型综合分析 45
5.1 学习率、迭代次数和batch size的组合 45
5.2 卷积核、取样核和FM数量的设置 46
5.3 参数配置对训练时间和模型精度的影响 48
结论 49
总结与体会 51
谢辞 52
参考文献 53
附录 55
附录一 外文资料原文 55
附录二 外文资料中文翻译 57


引言
人类探索宇宙的脚步在不断向前,试图揭示人与自然之间的奥秘使人类在自然之前不再那么渺小无力,物理学、天文学、地理学等自然学科都在这个方向上不断努力着。随着科学的进步,尤其是在新世纪计算机技术大发展的情况下,人们在自然学科的研究上有了更加有力且无限潜力的工具。太阳无时无刻不影响着地球上发生的一切,因此在人类探索宇宙的第一步就是对太阳的研究,其中最为重要的就是太阳磁场的研究。
当太阳表面磁场发生变化时,在太阳的光球层容易形成太阳黑子,尤其是在磁场变化非常剧烈的时候会在黑子群的上方色球层中爆发太阳耀斑,此时的磁场变化强度已经能对地球磁场产生影响,扰乱地球上的生命活动。因此对太阳耀斑爆发的预测工作就显得非常有意义。在观测手段的不断进步下,人们掌握的太阳活动数据已经越来越丰富而且精确,并且已经摆脱了人工记录数据的阶段。那么在新的数据水平下,新研究方法的出现也是势在必行。目前关于耀斑的预测有利用行星引潮力的,有利用GPS观测数据的,也有使用向量机结合数学方法建模的,还有利用数据挖掘技术建立决策树等方法。
因为耀斑的发生之前的一个征兆就是在光球层中黑子群产生的变化,所以从太阳黑子变化的角度去预测耀斑的爆发是理论上可行的。本研究课题所用方法为使用深度学习在计算机视觉领域的目标分类检测方法,从黑子图像数据的角度去做耀斑的预测。深度学习方法能够自动地学习出数据的低层特征到更抽象的高级特征,然后根据高级特征实现大规模复杂数据的分类、预测等功能,非常适合复杂图像信息的处理。
本设计基于Caffe深度学习框架上的卷积神经网络(CNN),设计了一个八层的卷积神经网络实现对全日面图像上黑子的分类检测。本设计使用了MATLAB作数据处理工具,采用Linux平台上的Caffe框架设计网络模型,Python语言实现黑子检测及标记算法。本文介绍了相关理论知识、环境的搭建及测试、数据的获取及预处理、网络模型的设计及训练,最后为黑子的全日面检测方法和结果分析。

下载地址

点击此处→注册会员上传设计赚钱
以上是大纲和介绍,如需要完整的资料请在线购买.

软件评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分) 查看完整评论

下载说明

* 本站所有资料均已审核通过,内容原创保密,标准格式,质量保证
* 无需注册,点击在线购买后即可获取该套毕业设计(论文)完整
* 支付后请联系在线客服QQ:8191040发送资料
  • 官方微信