基于深度表征学习的紫外极光卵图像聚类
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。...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Science Press
2023-05-01
|
| Series: | Kongjian kexue xuebao |
| Subjects: | |
| Online Access: | https://www.sciengine.com/doi/10.11728/cjss2023.02.220127012 |