角点检测代码matlab-TTK-4900-Master:机器学习以识别海洋模型和遥感数据中的特征

角点检测代码matlab TTK-4900-大师 TTK4900-工程控制论，硕士学位论文 报告摘要 由于无法预测的非线性和对物理观测的访问有限，因此使用数值模型预测海洋动力学具有挑战性。 海洋涡旋对理论和模型提出了复杂的概念和实践挑战。 知道中尺度涡旋的位置和规模可以用作同化过程中观测的一部分，从而提高模型的确定性和准确性。 由于此类信息的优势，研究新颖的机器学习方法来解释由模型（例如，SINMOD）产生的数据或通过远程测量观察以识别海洋特征（例如海洋涡流）的数据，将引起人们的兴趣。 由于没有“一刀切”的机器学习（ML）算法，因此对三种最常见的监督学习算法进行了评估：支持向量机（SVM），随机森林和卷积神经网络（CNN）。 由于模型需要足够数量的训练样本，因此创建了数据注释应用程序以生成足够数量的包含涡流特征的训练样本。 最终的训练集包括2045个样本，其中包含海面高度，温度和洋流。 在对它们的海洋涡流可预测性进行较小的研究之后，发现由洋流向量组成的集合在没有海平面高度和温度的情况下提供了更好的性能。 在寻找最佳ML算法的初步试验中，发现CNN表现最佳。 第二项试验检查了原始CNN架