1.一种基于半监督域适应的雨、雪、冰雹分类监测方法,其特征在于,包括如下步骤:S10,采用雷达测得电磁波在各类型降水粒子天气下的雷达波反射率;其中,各类型降水粒子包括雨、雪和冰雹;
S20,根据各类型降水粒子天气下的雷达波反射率获取各类型降水粒子天气下的预处理数据;
S30,根据预处理数据构建携带标签的第一数据集和未携带标签的第二数据集,计算第一数据集的第一协方差矩阵和第二数据集的第二协方差矩阵,根据第一协方差矩阵确定第一特征子空间,根据第二协方差矩阵确定第二特征子空间;
S40,根据第一特征子空间和第二特征子空间确定核函数;
S50,根据所述核函数,以第一数据集作为训练样本集,训练初始分类器;
S60,从第二数据集中选择一个子集来对所述初始分类器进行无监督学习,使得选择的子集能给初始分类器提供增量知识去自适应目标领域;
S70,获取进行无监督学习后的初始分类器的目标函数,根据第一数据集和第二数据集确定邻接图,根据邻接图优化所述目标函数,以确定最终分类器,采用最终分类器对雨、雪和冰雹进行分类。
2.根据权利要求1所述的基于半监督域适应的雨、雪、冰雹分类监测方法,其特征在于,采用雷达测得电磁波在各类型降水粒子天气下的雷达波反射率包括:采用双偏振雷达分别在各类型降水粒子天气下测得降水粒子的多组有效水平反射率Zh和垂直反射率Zv,根据各组有效水平反射率Zh和垂直反射率Zv计算各个差分反射率,根据各类型降水粒子对应的差分反射率确定各类型降水粒子的雷达波反射率。
3.根据权利要求2所述的基于半监督域适应的雨、雪、冰雹分类监测方法,其特征在于,差分反射率的确定过程包括:其中,A表示差分反射率,Zh表示有效水平反射率,Zv表示垂直反射率。
4.根据权利要求2所述的基于半监督域适应的雨、雪、冰雹分类监测方法,其特征在于,根据各类型降水粒子天气下的雷达波反射率获取各类型降水粒子天气下的预处理数据包括:S22,计算各个微波链路在各个偏振方向上的路径衰减率;其中,所述路径衰减率的确定公式包括:式中,Iθ表示偏振方向为θ的微波链路的路径衰减率,Pθ,1表示偏振方向为θ的微波链路的发射端微波频率,Pθ,2表示偏振方向为θ的微波链路的接收端微波频率,L表示微波链路的长度;
S23,根据不同偏振方向上的路径衰减率计算出微波链路上微波的差分衰减率;所述差分衰减率的确定公式包括:式中,O表示微波的差分衰减率,Ih表示微波链路的垂直偏振衰减率,Iv表示微波链路的水平偏振衰减率;
S25,在各类型降水粒子天气下针对各个微波链路分别执行步骤S22至步骤S23,获取各类型降水粒子分别对应的一组差分衰减率,根据各类型降水粒子分别对应的一组差分衰减率确定各类型降水粒子的预处理数据。
5.根据权利要求1所述的基于半监督域适应的雨、雪、冰雹分类监测方法,其特征在于,所述第一特征子空间和第二特征子空间均为维度为n×d的子空间Gn×d;
所述根据第一特征子空间和第二特征子空间确定核函数包括:
S41,在第一特征子空间和第二特征子空间上构建一条从S1到S2的曲线;所述曲线的参数化函数包括:式中,S1表示第一特征子空间,S2表示第二特征子空间,P1是S1的垂直补子空间,U1和U2分别是d×d和(n-d)×d的对角矩阵,U1由S1'S2=U1F(v)'通过SVD分解得到,U2由P1'S2=-U2E(v)'通过SVD分解得到,S1'表示S1的转置矩阵,F(v)和E(v)都是d阶对角矩阵,F(v)的对角线元素是cos(αi),E(v)的对角线元素是sin(αi),0
S43,获取在每个点上代表一个子空间的基底的基底函数g(v),根据基底函数g(v)计算半正定矩阵G,根据半正定矩阵G设置核函数;所述半正定矩阵G的计算过程包括:Ω=[S1U1,-P1U2],
式中,Λ1、Λ2和Λ3分别为d×d的对角矩阵。
6.根据权利要求5所述的基于半监督域适应的雨、雪、冰雹分类监测方法,其特征在于,所述核函数的设置过程包括:K(Xi,Rj)=Xi'GRj,
式中,K(Xi,Rj)表示Xi和Rj对应的核函数,Xi表示源域D1中第i个样本向量,Rj表示目标域D2第j个样本向量。
7.根据权利要求1所述的基于半监督域适应的雨、雪、冰雹分类监测方法,其特征在于,根据所述核函数,以第一数据集作为训练样本集,训练初始分类器包括:S51,对第一数据集进行归一化处理,设置输入向量X到实数的分类函数为f(X),采用流行规则化在再生希尔伯特空间搜索一个初始分类器,获取初始分类器的目标函数;
S52,采用初始分类器分别针对各类型降水粒子进行训练。