基于改进的子类判决分析的SAR目标特征提取与识别

针对大多文献中假设合成孔径雷达(SAR)数据服从单模分布带来的问题,该文提出改进的子类判决分析(ICDA),它假设SAR目标数据服从更合理更实际的多模分布。首先采用快速全局k-均值聚类算法找到每类目标的子类划分,然后基于子类判决分析(CDA)准则寻找最优的投影矢量,使得投影后不同类别的子类样本之间距离最大而每个子类内部的样本散布最小。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR地面静止目标数据的实验结果表明,ICDA可获得较好的对真实目标的分类性能和对干扰目标的拒判能力。

改进的核子类判决分析

提出了改进的核子类判决分析(improvcd kernel clustering-based discriminant analysis,IKCDA)方法,首先采用快速全局核k-均值聚类算法找到每类目标的最优子类划分,然后基于找到的子类划分结果采用核子类判决分析求取最优的投影矢量。基于UCI机器学习数据库的实验结果表明,经过IKCDA特征提取后异类样本间的可分性明显改善了。此外,基于美国运动和静止目标获取与识别(moving and stationary target acquisitionand recognition,MSTAR)计划录取的合成孔径雷达地面静止目标数据的实验结果表明,经过IKCDA后可以改善对真实目标的分类性能和对干扰目标的拒判能力。

西瓜稳定同位素与多元素特征分析及其产地溯源技术研究

本研究旨在利用稳定同位素与多元素分析技术结合化学计量学统计方法,开发不同省份西瓜产地溯源新策略。通过元素分析仪-同位素比质谱和电感耦合等离子质谱测定新疆、山东、广西、海南等产地的73份西瓜样本的碳、氮、氢、氧稳定同位素比值(δ^(13)C、δ^(15)N、δ^(2)H、δ^(18)O)与16种矿物元素含量(Na、K、Ca、Sr、Ba、Pb等)。单因素方差统计分析表明,δ^(13)C、δ^(15)N、δ^(2)H、δ^(18)O值与Na、K、Ca、Cr、Mn等元素含量特征在各省份西瓜样本间具有显著差异(P<0.05),但单一变量不足以将4个产地的西瓜完全进行区分。通过典则判别分析进行多变量统计分析,提取特征变量,构建线性判别函数,可以实现4个省份西瓜样本的原产地区分。该方法对新疆、山东、海南样本判别准确度高达100%,而广西样本判别率为71.4%,误判为海南产地概率为28.6%。由此可知,该策略能够实现大尺度地理空间的西瓜产地溯源,为其产地标识确证和优质品牌保护提供了有效的技术手段。