1.一种基于半监督学习在多维度雷达数据下的冰雹识别方法，其特征在于，包括以下步骤：

S1：获取标注样本集，通过随机抽样方法从标注样本集中抽取监督样本集，同时将标注样本集按照暴雨、冰雹标签分为暴雨样本训练集与冰雹样本训练集，同时获取未标注数据集，将所述未标注数据集随机均分为q份第一样本，所述标注样本集与所述未标注数据集包括雷达基本反射率图像及多普勒天气雷达系列数据；

S2：计算暴雨样本训练集与冰雹样本训练集的均值向量作为聚类中心；

S3：计算一份第一样本对各簇聚类中心的加权距离，对第一样本进行聚类划分到对应簇暴雨样本训练集或冰雹样本训练集中，同时使用S2中方法更新各簇聚类中心；

S4：重复步骤S3迭代直至最后一次迭代与上一轮迭代时值相同，获得此时的各簇聚类中心，以第一样本点到各聚类中心距离作为对应簇的置信度；

S5：以监督样本集作为S3步骤中的第一样本身份重复步骤S2‑S4，获得监督样本集对各聚类中心的监督置信度，根据监督置信度将监督样本集中数据分别归类至对应的暴雨或冰雹簇中；

S6：根据数据标签可以计算得到模型对监督样本集的分类评价指标，所述分类评价指标包括命中率、虚警率与临界成功指数，当命中率和虚警率满足预设条件时，将第一样本更新到暴雨或冰雹簇中，计算并保留各簇均值向量，并根据第一样本中数据最终在簇中的位置制作该数据对应簇的伪标签，重复S2‑S6，直至q份第一样本均处理完毕；分别对保留的均值向量计算对最后冰雹和暴雨训练集的临界成功指数，选择临界成功指数最高的均值向量作为最终模型；

S7：将最终模型的均值向量作为识别模型输入，根据步骤S3‑S4计算待识别样本中各样本对各簇的置信度，进行分类，完成识别。

2.根据权利要求1所述的方法，其特征在于，所述预设条件为：命中率小于90%时，命中率指标增加且增加值大于虚警率增加的值；命中率大于或等于90%时，命中率指标增加且增加值大于2/3虚警率增加的值。