太阳风速度信息数据快速优化检测研究

The Solar Wind Speed Information Data Quickly Optimize Detection Research

对太阳风速度信息数据进行准确的检测,可更好的了解和预防太阳风暴,尽可能的降低太阳风暴给地球造成的严重影响。对太阳风速度信息数据进行训练,获得最终信息分类阈值和权值,进行太阳风速度信息数据检测时,可以保证太阳风速度信息数据检测的准确性,但传统方法通过提取太阳风速度信息数据特征,并利用匹配投影法求解特征解,得到全部匹配特征点,实现太阳风速度信息数据检测,缺少信息分类阈值,不能准确聚类,存在检测精准度较低的问题。提出一种RBF神经网络与决策树的太阳风速度信息数据快速检测方法。上述算法首先分析太阳风速度信息特征,利用RBF神经网络特征属性优势对太阳风速度信息数据进行训练,获得最终分类阈值和权值,在此基础上将训练优化数据后传递给决策树,利用信息增益实现太阳风速度信息数据测试属性相关性分析。进一步实现太阳风速度信息数据的属性约简和规则选取,获得最终的检测信息。仿真结果表明,上述算法能够快速地检测太阳风速度信息,且检测精准度较高。

A rapid detection method of solar wind velocity information data based on the RBF neural network and decision tree proposed. Firstly,the velocity information feature of solar wind is analyzed. Then the characteristic attribute advantage of RBF neural network is used to train solar wind velocity information data,and threshold value and weight of final information classification are obtained. On this basis,the trained data are optimized and passed to the decision tree. The information gain is used to achieve attribute correlation analysis on velocity information data detection. Finally,the attribute reduction and rule selection of solar wind velocity information data are realized,and the final detection information is obtained. The simulation results show that the algorithm mentioned above can detect the velocity information rapidly and has high detection precision.