基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测

应用高分1号(GF-1)全色和多光谱(PMS)影像和k-最邻近(k-NN)方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1 PMS影像数据提取植被指数,采用k-NN法构建森林蓄积量估测模型,并引入偏最小二乘回归法予以比较,选出最优估测方法对全区森林蓄积量进行反演。结果显示:偏最小二乘回归法估测的森林蓄积量均方根误差为21.90 m^3·hm^(-2),相对均方根误差为27.5%,偏差为17.23 m^3·hm^(-2)。基于k-NN方法的森林蓄积量估测的均方根误差为12.80 m^3·hm^(-2),相对均方根误差为16.0%,偏差为15.02 m^3·hm^(-2)。与官方公布的全区森林蓄积量进行对比,结果显示:基于k-NN法反演的全区森林蓄积量统计结果(245.98万m^3,估测精度为86.0%)要好于偏最小二乘回归法(266.22万m^3,估测精度为76.6%)。最后生成了全区森林蓄积量空间分布图。

改进BP-NN在三峡库区滑坡稳定性分析中的应用

运用改进的BP-NN,构建了三峡库区滑坡稳定性分析的神经网络方法,并选择30个三峡库区典型滑坡作为样本及算例,BP-NN方法同传递系数法分析结果的对比表明,本方法具有较好的可靠性。此外,本方法输入参数易得,对勘察质量和滑带土等参数依赖小,且简便易行,为三峡库区滑坡稳定性分析提供了新的途径,尤其适宜于三峡库区滑坡详勘前的稳定性预判。

k-nn方法在热带气旋路径预报中的应用

引入k nn方法 ,结合经过预报实践检验、应用证明效果较好的预报因子 ,制作热带气旋路径预报系统 ,运行效果良好 ,可以应用到日常预报业务中。

利用BP-NN算法的机器人臂重力补偿研究

利用反向传播神经网络(BP-NN)学习算法,对机器人臂的重力补偿进行了研究。给出了机器人臂各关节扭矩的重力项理论计算公式及其连杆参数识别方法,同时,对BP-NN算法进行了详细分析,利用BP-NN来处理机器人臂重力项并进行试验。试验结果表明,采用该学习算法得到的机器人臂重力项输出值和实测值基本一致,能有效减少机器人臂重力项计算量,达到实时控制的目的。

基于增强型K-NN块搜索的图像修复算法

针对当前图像修复方法在对遮蔽物损坏图像复原时,存在明显的模糊效应与不连续效应等不足,提出局部最小二乘逼近优化耦合增强K-NN块搜索的图像修复算法。通过对图像修复机理进行分析,联合等权方法与K-NN(K近邻)块,将未知像素的估值转化为对线性组合函数的求解;定义基于边缘的优先项,计算输入块的边缘特性,提出基于局部学习映射函数的增强型K-NN块搜索方法,降低未知像素值K-NN的误配;采用基于局部最小二乘逼近优化方法,将相似块中的像素传播至损坏区域,完成图像修复。测试结果表明,与当前图像修复算法相比,在遮蔽物损坏图像复原中,该技术拥有更好的修复质量,有效降低了模糊效应,克服了修复时存在的间断效应。

基于k-NN方法和GF遥感影像的森林蓄积量估测

综合利用黑龙江省某林业局的一类样地调查资料、GF-1号卫星影像、数字高程(DEM)模型以及土地利用类型图,采用k-近邻(k-nearest neighbor,k-NN)法进行森林蓄积量估测研究,分析k-NN方法及GF-1卫星数据在森林资源调查与监测中的应用效果。为对比k-NN方法的估测精度,对相同试验数据也进行了最小二乘估计和稳健估计建模。采用GF-1号16 m分辨率的多光谱数据,在林业局级尺度上分别应用这3种方法进行森林蓄积量建模估测,生成了监测区域森林蓄积量分布图并统计得到监测区域总的蓄积量值。将3种方法估测结果与二类调查实测结果进行比较,k-NN方法估测精度达到97.3%,略优于传统的最小二乘估计和稳健估计建模估测精度。因k-NN方法不受Gauss-Markov假设限制,且能有效克服建模变量间的复共线性问题,研究成果可用于县/林业局级尺度的森林蓄积量估测,且国产GF-1卫星影像能有效应用于森林资源监测。

弹性核k-NN分类算法及其在药物构效关系中的应用

核方法利用核函数可以有效地解决非线性问题,在药物构效关系领域得到了广泛的应用﹒本文提出了一种新的弹性核k-最近邻算法(EKk-NN)﹒首先,基于加权多项式核和径向基函数核构造了一种信息丰富的弹性核,所构造的弹性核能有效地利用局部核和全局核的优点,同时也为构造核函数提供了一种可行的方法;然后,在核方法的框架下,将弹性核耦合到k-最近邻算法﹒实际数据集的实验和分析表明,EKk-NN能明显提高分类性能﹒

中医舌象颜色识别的研究

基于由粗到精的思路,将舌质和舌苔的颜色识别问题分解为苔质分离和颜色细分两步。在第一步中,提出一种基于JSEG算法和k-NN法的自动分离苔质的方法,并根据中医望诊先验知识设计先验模板和标准色块来辅助分类。颜色细分是在第一步的基础上采用最近邻法进行的。实验表明,本文提出的方法简单且鲁棒性强,能够有效地用于舌诊客观化。此外,在舌图像的色彩校正和舌体分割两个方面,对前人的研究进行了改进,取得了较好的效果。

一个无需词典支持和切词处理的中文文档分类系统

报道了一个无需词典支持和切词处理的中文文档分类系统 .其特点是利用 N - gram信息进行中文文档分类 ,使中文文档分类摆脱了对词典和切词处理的依赖 ,实现了中文文档分类的领域无关性和时间无关性 ;采用开放的体系结构使文档分类系统易于功能扩充和性能完善 .测试结果表明该系统具有令人满意的分类性能 .

基于主题的Web文档聚类研究

网络资源的不断膨胀和新旧信息的迅速更迭 ,使传统的手工分检的方法难以适应对海量电子数据的管理需要。Web文档聚类可以快速地将文档进行自动归类 ,并能够发现新的信息资源。针对Web文档数据的复杂性 ,本文提出了通过二次特征提取和聚类的方法 ,将Web文档按照主题进行自动聚类。在主题特征被有效提取的同时 ,实现了较高质量的Web文档聚类。

基于神经网络的结构可靠性优化设计

结合随机摄动技术和随机模拟方法,提出了可靠性优化设计的一种数值逼近法,将服从任意分布的可靠性概率约束等价转化为确定型约束,可以迅速准确地获得优化设计结果。针对具有多失效模式的结构可靠性优化设计,提出了随机模拟-神经网络方法,模拟得到随机设计变量与系统可靠度之间的显性函数表达式,简化了计算过程,同时可以获得较高的计算精度,具有很好的工程实用价值。

基于神经网络的机械零部件可靠性优化设计

采用概率约束等价转换的数值逼近法,研究了具有任意分布参数的可靠性优化设计,可以迅速准确地获得优化设计结果。针对具有多失效模式的机械零部件可靠性优化设计,提出了随机模拟神经网络( MCSNN)方法,模拟得到随机设计变量与机械零部件系统可靠度之间的显性函数表达式,简化了计算过程,同时可以获得较高的计算精度。

基于Lorentzian函数的Preisach磁滞模型辨识与验证

磁滞作为磁性材料的特性,在电机、变压器等设备中普遍存在,为了更好地描述材料的这种特性,有必要建立材料的磁滞数学模型。本文基于Presiach类磁滞模型,通过分别用解析和神经网络两种方法对其Lorentzian分布函数参数进行了辨识并对两种方法进行了比较,且通过实验验证了辨识结果的正确性。模型可以对无偏磁下变压器一次电流进行预测,实验采用爱泼斯坦方圈的二次电压仿真得到了方圈的一次电流,仿真与实验结果对比验证了模型的正确性。

钾长石制钾肥的化学释放法研究

介绍了几种利用钾长石生产钾肥及其他高附加值化工产品的技术,经比较发现,NSN法较其他方法更可行,不仅能耗低,而且实现了钾长石的综合利用,具有良好的经济效益和社会效益。

基于时间序列神经网络的气象预测研究

月平均气温是气象的主要特性参数 ,也是影响气候变化的重要因素 .文中配合实例介绍了一种基于时间序列的人工神经网络学习算法的流程 ,给出了该算法的实验结果并对不同情况下的结果作了比较 ,同时就在实现该算法的过程中所出现的问题以及解决方案进行了阐述 .最后提出了将

大型电站锅炉飞灰含碳量在线自校正建模

为降低飞灰含碳量,实现锅炉的优化运行,对其进行了软测量建模研究。在建模过程中,针对模型输入变量之间存在强耦合、非线性以及辅助变量选择难的问题,采用核主元分析(KPCA)提取变量的特征信息以有效处理非线性数据,生成新的综合辅助变量,并结合特征值碎石图及累积方差贡献率,对KPCA参数的选择提出了新的方法。为解决模型在线校正问题,提出了基于最近邻(NN)法和KKT条件的模型在线自校正新算法,以提高软测量的精度。在此基础上实现了核主元分析支持向量回归(KPCA-ε-SVR)模型,并与主成分分析支持向量回归(PCA-ε-SVR)和BP神经网络的飞灰含碳量软测量模型进行了对比研究,结果表明,KPCA-ε-SVR模型具有更高的精度与泛化能力,具有较高的工程应用价值。

面向STEP-NC铣削加工参数优化

目的开发一个智能铣削参数优化及自动获取模块来协同STEP-NC(数控编程接口标准),提高CNC(计算机数控系统)加工的智能化.方法引入了金属铣削加工参数多目标优化模型,应用目标达到法对模型求解,又基于神经网络建立了金属铣削参数自动获取模型.结果通过对模型的求解,得到了优化的铣削参数,把优化的铣削参数存储为样本,知识获取模型通过对样本的学习,获取对应条件下的加工参数匹配知识,改变加工条件,不需大量运算,可以获得优化结果.结论面向STEP-NC铣削加工铣削参数的优化及自动获取模块具有良好的可移植性,通用性强.它根据STEP-NC程序中提供的信息优化铣削参数,提高加工设备的利用率,缩短生产周期,提高生产率,使CNC加工更加的智能化.

基于支持向量机算法和其他算法在文本分类中的性能比较

分析了几种典型的文本分类算法的特点.其中,支持向量机算法具有最优性能,但处理大量数据时,耗时比较大;K-NN方法与K值的选取有很大关系,而且实时性不够良好;朴素贝叶斯方法在实际应用中可以得到比较好的效果;神经网络方法提供了比较容易的方式预测非线性系统,训练过程很慢,不能适应大数据量的学习.

基于灰理论及神经网络的设计变量综合分析方法

目的研究工程设计变量对设计结果的影响程度,分析并简化输入变量对输出结果的约束限制。方法采用正交试验法安排实验并通过实验获得样本数据,将样本的期望值同采用遗传算法自适应构建神经网络的模拟值作灰关联序列分析,从序列分析中删除对设计结果影响较小的设计变量,从而直观获得设计变量对输出结果的影响规律。结果通过对机械搅拌釜的气含率与结构参数间的灰关联分析,验证了该综合分析方法的有效性。结论基于灰理论及神经网络的设计变量综合分析方法为寻找工程设计结果与设计变量间的关系提供了很好的分析思路。

基于FLAC及神经网络的初始地应力场反演

分别采用RBF网络和BP网络,利用FLAC进行正分析计算,依据测点的应力数据反演了计算区域的初始地应力场。结果表明,在样本数量相同的情况下,RBF神经网络反演分析的精度以及学习、收敛速度均优于采用BP网络的反演算法。