支持向量回归机在水质预测中的应用与验证

以干旱区浅水湖泊乌梁素海的多年实测pH值为例,在分析支持向量回归机算法(ε-SVR)核函数选取的基础上进行了回归分析及预测,并与线性回归、BP神经网络、RBF网络等算法进行了比较。研究结果显示:①基于径向基核的支持向量回归机模拟效果优于其他核函数;②ε-SVR模拟结果与线性回归(LR)、BP神经网络和RBF网络等算法模拟结果相比,其拟合精度与预测精度均比其他三种方法要高。计算结果充分证明了支持向量回归机有较强的学习能力和泛化能力且该方法可以应用于水质预测研究。

基于临近像素空间距离的模糊C均值聚类算法

针对传统图像分割算法对不同类型噪声敏感性缺陷的问题,基于临近像素空间距离的模糊C均值聚类算法即SF-CM(fuzzy C means clustering algorithm based on the space distance of the nearest pixels)算法,采用核化的空间距离公式,将点到点之间的距离转化为点到空间的距离,很好的平衡了考察像素点临近像素点的灰度信息与位置信息间的关系,进一步克服了临近像素的位置差异对考察像素影响不同的缺点。通过在合成图像和自然图像上的大量实验并与几个传统算法进行对比,不仅表现出了很强的抗干扰能力,提高了聚类精度,并且很好的保留了原图像边缘等细节信息,体现出了较强的鲁棒性。

核-主成分分析在奶牛体况自动评分中的应用

在奶牛体况自动评分领域的研究中还没有规范、统一的图像库和特征选取标准,评分准确率较低。针对上述奶牛体况自动评分研究的不足,提出了基于核-主成分分析(Kernel-PCA)的奶牛体况评分方法。首先利用霍夫变换(Hough Transform)提取奶牛尾部区域图像,然后利用图像分块去除奶牛表面的黑白花,最后采用核-主成分分析算法进行体况识别评分。实验结果表明,利用该方法能够制作一个科学、有效的奶牛体况评分图库,并且能够在一定误差范围内对奶牛体况进行自动评分。