TY -的A2张Xuyun AU -杨,明非盟- Ma,郝AU - Chen Bomin盟——咚,Guangtao PY - 2022 DA - 2022/02/02 TI -密集的冷空气入侵检测和分类与深度学习在复杂气象系统SP - 4354198六世- 2022 AB -快R-CNN架构是用来解决问题的移动路径的不确定性,多变的覆盖率,和高复杂性存在诱发大规模密集的温度下降(ITR)检测和分类,因为这些问题通常会导致路径识别偏差以及低识别算法的精度和泛化能力。本文改进了识别方法的国家ITR (NITR)路径在中国基于快R-CNN复杂气象系统提出了。首先,质量控制的原始数据集强大的冷却过程进行数据过滤的手段。然后,根据NITR标准和NITR的特点,NITR数据集在中国建立了通过强化温度下降地区位于空间变换。同时,考虑到Softmax分类方法的正则化参数的选择将导致概率计算的问题,支持向量机(SVM)是用于道路分类来提高分类的信心。最后,提高更快R-CNN模型用于识别、分类和定位的路径NITR事件。实验结果表明,与其他模型相比,改进的快R-CNN算法大大改善了NITR的路径识别的性能,特别是对于混合NITR路径和单一NITR路径。因此,提高更快R-CNN模型计算速度快,识别精度高,鲁棒性好,和NITR路径识别的泛化能力。SN - 1076 - 2787你——https://doi.org/10.1155/2022/4354198——10.1155 / 2022/4354198 JF - PB - Hindawi KW - ER -复杂性