2001–2020年中国广西及东盟区域1 km分辨率降尺度月度降水数据集

中国广西及东盟区域位于亚洲东南部,同属亚热带季风气候,降水充沛,洪涝灾害频发,直接影响社会经济活动,高分辨率、高精度降水资料可有效支撑区域水资源、农业、灾害及生态等管理和研究。本研究以2001–2020年全球降水观测计划降水数据(GPM IMERG)为因变量,结合中分辨率成像光谱仪(MODIS)增强植被指数(EVI)、地表蒸散发(ET)、地表温度(LST)、先进星载热发射和反射辐射仪(ASTER)海拔(ELV)等解释变量,引入考虑变量随地理环境影响变化的地理加权回归(GWR)模型,构建空间分辨率为10 km的年尺度模型,经过测试选取验证精度良好的指数核函数。通过回代,基于空间分辨率为1 km的解释变量,构建了2001–2020年中国广西及东盟区域1 km年度降水数据集,并进一步采用比例指数法获得研究区2001–2020年1 km月度降水数据集。采用2001–2020年2679个地面观测站点数据对降尺度数据集进行验证,相关系数、均方根误差和偏差分别为0.792、74.610mm、-0.122%。本数据集能够有效反映1 km分辨率下的降水时空分布及其差异性,可广泛应用于水资源、农业、生态环境、灾害模拟等研究领域。

基于混合核函数的支持向量机

支持向量机采用核函数来实现从原输入空间到一个高维空间的非线性映射,而由于普通核函数各有其利弊,为了得到学习能力和泛化性能都很强的核函数,研究了2种支持向量机核函数:全局核函数(线性核函数)和局部核函数(RBF核函数),提出了组合核函数的支持向量机。与普通核函数构造的支持向量机进行了比较实验。结果表明,组合核函数的支持向量机性能明显优于由普通核函数构造的支持向量机。

一种基于PSO的混合核支持向量机算法

支持向量机算法作为一种新的机器学习方法,在处理小样本分类问题上具有明显优势,但核函数和参数的选取的好坏直接影响支持向量机算法的性能.针对该问题,通过组合全局核函数和局部核函数的混合核函数方法,建立了基于粒子群算法的混合核支持向量机算法,并经过Matlab仿真实验,表明该改进算法较支持向量机算法具有更高的分类准确率和更好的学习及泛化能力.

无阻尼弱耗散抽象发展方程全局吸引子的存在性

用半群理论和定义泛函的方法,考察无阻尼弱耗散抽象发展方程解的长时间动力学行为.在非线性项满足较弱的耗散型条件下,运用收缩函数理论和能量估计技巧验证了解半群的渐近紧性,得到了全局吸引子在空间V_θ×H×L_μ~2（R＋;V_θ）中的存在性.

基于分段核函数的支持向量机及其应用

支持向量机兼顾训练误差和推广性能,已受到机器学习领域的高度重视,而核函数的性能是支持向量机研究中的关键问题。研究了几种常见核函数对支持向量机推广性能的影响,并利用全局核函数和局部核函数的性质,提出了一种新的分段核函数的支持向量机。数据集上的仿真结果表明,该核函数对应的支持向量机泛化能力优于传统核函数对应的支持向量机,具有较好的预测性能。

增量支持向量机核函数的优化

支持向量机的核函数类型分为两类:局部核函数和全局核函数.局部核函数的值只受到相距很近数据点的影响,有很好的学习能力.全局核函数的值会受到距离较远数据点的影响,有很好的推广泛化能力.针对局部核函数学习能力良好但泛化能力差的缺点,提出一种结合局部核函数和全局核函数构造新联合函数的方法.实验结果表明,与局部核函数和全局核函数相比,新联合核函数有更好的预测能力,并且能够适应增量学习的过程.

基于单核和组合核函数在垃圾邮件过滤中的比较应用

大多数文本为高维且线性不可分。针对中文邮件,首先阐述了邮件预处理的相关方法,利用TF-TDF将邮件向量化。分析了多种常用核函数在SVM中应用于垃圾邮件过滤。阐述了全局核函数和局部核函数的特点,主要针对全局核函数-多项式(Poly)核函数和局部核函数-径向基核(RBF)函数在垃圾邮件分类的准确性做了比较,综合分析后组合两种核函数。实验证明,组合核函数在性能上优于单个核函数,具有较好的学习能力和泛化能力。

分离窗口快速尺度自适应目标跟踪算法

针对核相关滤波器(KCF)跟踪算法在面对尺度变化时产生的目标漂移问题,提出一种分离窗口快速尺度自适应目标跟踪算法——FSACF。首先,通过直接对原始帧图像进行特征提取得到基于显著性颜色特征的全局梯度组合特征图,以减小后续的尺度计算对性能的影响;其次,对全局特征图采用分离窗口法,自适应地选取尺度大小并计算对应的最大响应值;最后,采用定义的置信度函数自适应地更新迭代模板函数,提高模型的鲁棒性。通过带有不同干扰属性的视频集上进行实验,发现FSACF算法与KCF算法相比,在精度上提升7.4个百分点,成功率提高12.8个百分点;与未采用全局特征和分离窗口的算法对比,处理速度上提升1.5倍。实验结果表明,FSACF算法在尺度变化发生时能有效避免目标漂移的产生,同时具有一定的效率,并在精度与成功率上均优于对比算法。

一种支持向量机的混合核函数

核函数是支持向量机的核心,不同的核函数将产生不同的分类效果。由于普通核函数各有其利弊,为了得到学习能力和泛化能力较强的核函数,根据核函数的基本性质,两个核函数之和仍然是核函数,将局部核函数和全局核函数线性组合构成新的核函数——混合核函数。该核函数吸取了局部核函数和全局核函数的优点。利用混合核函数进行流程企业供应链预测实验,仿真结果验证了该核函数的有效性和正确性。

基于改进粒子群算法的大地电磁反演

粒子群算法是一种粒子群在全空间随机搜索的非线性反演方法,具有所需修改参数少、易于实现的优点,已在大地电磁(magnetotelluric,MT)反演得到了广泛应用,但其存在容易陷入局部最优解的缺点,在二维反演中应用较少且效果不好。提出了一种改进的优化粒子群算法,整个进化过程引入了局部进化,并且添加收缩因子和惯性权重参数,来改善该算法容易陷入局部最优解的缺点。最后将改进算法应用于二维MT反演,反演时在目标函数中加入添加先验信息的核函数,结果表明改进粒子群算法在过早收敛问题上有明显改善,反演异常体位置也与实际模型吻合较好。

基于多种算法优化SVM模型的乌东德水电站降水量预报

基于粒子群优化(PSO)算法和遗传算法(GA)对支持向量机(SVM)的核函数及主要参数进行训练优化,分别建立PSO算法、GA的支持向量机模型(PSO_SVM、GA_SVM)。选用ECMWF及T639数值预报产品资料和乌东德水电站降水资料,普查最优预报因子,构建包含各种类型降水过程的训练样本和测试样本。比较分析SVM模型RBF和Sigmoid核函数优劣。尝试先分段寻找局部最优,再选择全局最优的参数优化方法。通过增大训练样本集、降低交叉验证准确率、迭代次数截断和控制惩罚系数范围的方法,提高模型的稳定性和泛化能力,防止过拟合和收敛缓慢现象。利用测试样本对SVM、PSO_SVM和GA_SVM三种方案进行对比检验,优化的GA_SVM预报效果较好且稳定。经2018年试报表明,GA_SVM逐3 h累计降水量预报TS评分在50%以上,漏报率在15%以下,与ECMWF和T639比较,该模型TS评分提高1.4%。

基于功能视角的上海中央活动区发展评价及提升思路

近年来,城市中心区的复兴和功能提升是全球城市关注的焦点,中央活动区的发展也成为重要的规划议题。《上海市城市总体规划(2017—2035年)》首次在上海的法定规划层面提出"中央活动区"的概念,明确它是全球城市核心功能的重要承载区,既链接全球网络,又服务整个市域。通过解析国际城市中心区的功能和上海战略发展要求,认为上海的中央活动区存在特质性,15个亚区分别在金融、商务、科技创新、文化休闲、商业和支撑功能6类核心功能领域有待进一步提升。利用大数据分析手段,提炼中央活动区相关要素适用的评价因子,综合评价得出综合成熟型、专业成熟型、一般和较弱4类亚区,并结合国际经验与亚区资源特征,提出商务提升、创新培育、文化发展、商业活化等分区分类策略建议。

基于核化局部全局一致性学习的提升机故障诊断

典型的局部全局一致性学习(Learning with Local and Global Consistency,LLGC)是基于图的半监督学习算法,虽然可以对样本进行有效标注,但对非线性数据却无能为力,且会出现维数灾难现象。为此,在LLGC的基础上引入核函数,提出核化局部全局一致性学习(KLLGC)解决上述问题。提升机故障诊断的实验结果表明KLLGC的有效性和可行性。

面向大部件三维重建的多视角点云配准方法

针对大尺寸部件三维重建中点云配准易产生错误匹配点和累积误差的问题,提出一种改进的多视角点云配准方法。首先采用基于鲁棒核函数的成对点云配准算法,在点到平面距离度量的ICP算法的基础上通过改进目标函数来减小误匹配点对配准结果的影响。点云对两两顺序配准后,采用基于位姿图优化的多视角点云全局配准方法,将点云全局位姿优化转化为图优化问题求解,通过最小化点云对整体配准误差实现对累积误差的消除。实验结果表明该成对配准方法对点云重叠比值具有较高的鲁棒性,在重叠比值大于40%的点云对上全部配准成功,全局配准方法在顺序配准的基础上将多视角配准误差降低了39.1%,有效减小了顺序配准后的累积误差。

基于度量学习核函数的光学足迹图像识别算法

以光学足迹图像为研究对象,采集并构建了一个包含134人在自然行走下的2680枚足迹数据集,提出一种足迹识别算法.从光学足迹图像中分别提取频域下的局部相位量化(LPQ)纹理特征和空域下的全局形态特征,并通过特征融合和优化获取相对稳定且具有区分性的足迹特征.为了提升分类器对足迹特征的辨识性能,通过度量学习的方法将足迹特征投影到新的特征空间,使同类足迹特征分布更紧凑,异类特征间分布更离散.利用马氏距离和对数函数构造度量学习核函数,结合支持向量机(SVM)分类器实现光学足迹的识别.利用134人自然行走下光学足迹数据集进行实验,通过与不同特征、不同核的SVM分类器进行对比,结果表明:本研究算法提高了足迹的识别准确率,最高达到了96.66%,能够为足迹的应用和研究提供有效参考.

中国高技术产业环境技术效率的动态演进及影响因素研究——基于空间面板模型的实证分析

本文基于2000-2013年中国省际面板数据,利用全局方向性距离函数、核密度估计法和马尔可夫状态空间转移矩阵对高技术产业环境技术效率及其动态演进特征进行分析。结果显示,我国高技术产业环境技术效率水平较低且呈现差异化和动态转移特征,效率低的省份差距在逐步缩小,效率高的省份差距则呈扩大趋势;高技术产业环境技术效率的增长表现为生产技术进步和效率改进的共同作用,且呈现高技术产业环境技术效率较高地区的内部收敛特征。借助空间误差模型对影响因素进行分析,外商直接投资和产业集聚度未通过显著性检验,行业盈利能力、地区经济总量、人力资本水平、资本投入和政府政策支持显著促进了高技术产业环境技术效率的提高,而技术市场发展水平、技术创新和研发投入的促进作用则尚未体现。

基于偏最小二乘变换与Kriging模型的全局优化方法

针对传统Kriging模型在多变量(高维)输入全局优化中因超参数过多而引发收敛速度慢,精度低,建模效率不高问题,提出了基于偏最小二乘变换技术和Kriging模型的有效全局优化方法.首先,构造偏最小二乘高斯核函数;其次,借助差分进化算法寻找满足期望改进准则最大化条件的新样本点;然后,将不同核函数和期望改进准则组合,构建四种有效全局优化算法并进行比较;最后,数值算例结果表明,基于偏最小二乘变换的Kriging全局优化方法在解决高维全局优化问题方面相比于标准的全局优化算法在收敛精度及收敛速度方面更具优势.