浙江省三门县古树资源特征和空间分布格局分析

为进一步掌握浙江省台州市三门县古树资源现状构成特征,探索其空间分布格局,基于2019年三门县古树普查基础数据,分析了全县古树的优势树种、物种多样性和结构特征,并结合ArcGIS的空间分析方法,系统研究了全县古树的空间分布格局。结果表明,(1)三门县共有古树681株,隶属24科30属35种,其中针叶树种7种,阔叶树种28种,常绿15种,落叶20种;优势种包括樟Camphora offici-narum、枫香树Liquidambar formosana、糙叶树Aphananthe aspera、朴树Celtis sinensis等9种,占总株数的85.46%,构成古树资源的主体;一级、二级和三级古树分别占比12%、21%和67%。(2)物种多样性和灰色关联度分析显示:海游街道的物种多样性综合排序最高(H′=2.265,D=0.854,J=0.507,关联度=0.978),而蛇蟠乡的排序最低。(3)结构特征方面,古树的树龄集中在100~150 a、胸径集中在110~160 cm、树高集中在15~20 m、冠幅集中在15~20 m;胸径和冠幅呈极显著的线性关系,拟合方程为y=0.61437x-0.375(R2=0.455,P<0.01)。(4)空间分布方面,各乡镇(街道)古树的核密度分布差异显著,高密集区主要位于西北部(海游街道、海润街道和健跳镇)和中部(横渡镇);最近邻分析显示,古树整体(NNI=2.968,Z=42.929,P<0.000)和二级古树(NNI=2.968,Z=42.916,P<0.000)呈显著的离散分布,而一级、三级古树及主要单一树种则呈显著的聚集分布。

基于PCA+KNN和kernal-PCA+KNN算法的废旧纺织物鉴别

该研究采集了15类废旧纺织物的4 998张近红外谱图,以7∶3的比例分为训练集和验证集,并分别采用主成分分析(PCA)与核主成分分析(kernal-PCA)两种不同降维方法对数据进行降维,并选用余弦相似度(cosine)核作为kernal-PCA的最佳核函数,最后分别将PCA和kernal-PCA降维处理后的数据进行k-近邻算法(KNN)训练。结果表明,kernal-PCA+KNN的模型准确率(95.17%)优于PCA+KNN模型的准确率(92.34%)。研究表明,kernal-PCA+KNN算法可以实现15类废旧纺织物识别准确率的提升,为废旧纺织物在线近红外自动分拣提供有力的技术支撑。

基于KPCA-KNN算法的边坡稳定性预测

为了更加准确高效地判定边坡的稳定性,选取55组边坡实例样本,以容重、黏聚力、内摩擦角、边坡角、边坡高度、孔隙压力比等6个指标作为边坡稳定性预测指标,运用核主成分分析(KPCA)将指标数据映射到高维空间进行线性运算,以提高K近邻(KNN)模型的运行效率和预测准确率,经过训练构建了KPCA-KNN边坡稳定性预测模型,将其与其他3种预测模型进行了对比,结果表明,本文模型的测试集预测准确率为100%,优于传统KNN、BP神经网络和支持向量机(SVM)模型,且训练时间更短。6组工程实例应用结果表明,KPCA-KNN模型的预测结果与边坡实际状态完全相符,准确率优于其他3种预测模型。

基于拉曼光谱-模式识别方法对奶粉进行真伪鉴别和掺伪分析

奶粉的真伪和掺伪近年来受到广泛的关注,研究一种操作便捷,能准确、快速、全面鉴定奶粉品牌并实现奶粉掺假鉴别的新方法对于奶粉的质量控制具有重要的意义。为实现奶粉的真伪鉴别,采集三种品牌奶粉贝因美、飞鹤和雀巢的拉曼光谱,并利用拉曼谱图特征峰结合最近邻算法(nearest neighbor,NN)的模型对三种品牌奶粉进行识别,在10次交叉验证的基础上,平均识别率为99.56%。为实现奶粉的掺伪分析,将飞鹤奶粉与雀巢奶粉按不同质量比(0∶1,1∶3,1∶1,3∶1,1∶0)混合成五种掺伪奶粉,提取掺伪奶粉中的脂肪,采集脂肪样本的拉曼光谱,分别使用拉曼谱图特征峰结最近邻算法的模型和核主成分分析(kernel principal components analysis,KPCA)结合最近邻算法的模型对五种脂肪样本进行识别,10次交叉验证下的平均识别率分别为93.33%和98.89%,平均运算时间分别为0.085和0.104s。实验证明:特征峰结合NN的算法可以快速实现对奶粉真伪的判别,但此算法不能很好的区分掺伪奶粉;拉曼光谱-KPCA-NN模型可以为奶粉的掺伪检测提供一种简便、准确、快速的方法。

基于LCD和KNNCH分类算法的齿轮故障诊断方法

提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。

基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法

提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内禀尺度分量(Intrinsic scale component,ISC),然后将这些ISC分量组成初始特征向量矩阵,再对该矩阵进行奇异值分解,提取奇异值作为故障特征向量并输入到KNNCH分类器,根据其输出结果来判断滚动轴承的工作状态和故障类型。LCD方法是一种新的自适应时频分析方法,非常适用于非平稳信号的处理,而KNNCH算法是一种基于核函数方法,并将凸包估计与最近邻分类思想相融合的模式识别算法,可直接应用于多类问题且需优化的参数只有核参数。实验分析结果表明,所提出的方法能有效地提取滚动轴承故障特征信息,而且在小样本的情况下仍能准确地对滚动轴承的工作状态和故障类型进行分类。同时,与支持向量机(Support vec-tor machine,SVM)算法的对比分析结果表明,KNNCH算法的分类性能的稳定性要高于SVM算法。

蛋白质相互作用预测的核最近邻算法

利用一种新的核方法即核最近邻算法预测蛋白质相互作用,算法新颖、简洁,容易实现。实验结果表明,核最近邻算法的预测效果优于传统的最近邻算法及其他已有的预测方法,可以作为蛋白质相互作用预测的一个有效工具。

Levy变异ABC算法优化二阶Volterra核的鲁棒人脸识别

针对人脸识别中由于人脸表情、姿态、尺度、光照和其他环境参数变化而影响识别性能的问题,提出了一种随机优化算法。首先,将原始图像划分成特定空间子块,并使用二阶Volterra核寻找非线性函数映射;然后,使用人工蜂群算法获取最优Volterra核,从而在特征空间内最大化类间距离并最小化类内距离;最后,利用投票策略和最近邻分类器完成人脸的分类。在两个通用人脸数据集Yale A和扩展Yale B上对该算法进行了评估,并将其与其他统计学习算法和几种最新提出的方法进行了比较。实验结果表明了Levy变异人工蜂群算法优化Volterra核的有效性,识别效果明显优于许多现有算法。

基于可变核的自适应光辐射强度估算

针对传统的K最近邻(K-NN)光辐射强度估算只能通过发射大量的光子、增加光子密度来提高估算精度这一缺陷,提出用具有平滑性的可变核(VK)函数估算光辐射强度,通过计算光子到估算点的距离与该光子预先分配的半径之比,实现与传统估算算法不同的自适应光辐射强度估算。实验结果表明,VK算法不需发射大量光子就能改善图像质量且渲染速度快。

使用交叉距离最小化算法设计支持向量机

针对核方法在处理非线性可分数据问题上的优势,将一种硬间隔无核支持向量机——交叉距离最小化算法(cross distance minimization algorithm,CDMA)推广到带核的版本,称为带核的交叉距离最小化算法(kernel cross distance minimization algorithm,KCDMA).利用乘子将交叉距离最小化算法表示为内积的形式,然后使用核函数代替内积运算,并且引入二次惩罚,这样扩展后的模型能处理非线性可分数据集,并且允许一定的分类偏差.实验结果表明,与一些经典的支持向量机方法相比,该方法具有明显的竞争力.

基于核方法的平分最近点算法

通过分析平分最近点算法的性质,利用核技巧,构造了基于核方法的平分最近点算法。证明了该算法构造的决策函数仅依赖于选择的核函数。实现了平分最近点算法与核方法相结合,求解非线性分类问题。

基于核的K-最近邻算法的主动式防御研究

介绍了病毒主动式防御技术、已知病毒的变形检测技术以及改进的K-近邻算法的病毒主动式防御技术,并分析了它们的不足。提出了一种基于核的K-近邻算法与主动式防御技术相结合的解决方案,此方案既可高效地判断安全进程,又可较为准确地检测出未知病毒。

基于改进的多特征哈希的近重复视频检索

随着互联网的迅速发展,产生了大量的近重复视频。文章提出了一种改进的哈希算法提高近重复视频的检索准确性,根据语义哈希对图像检索的原理,对算法中的邻接矩阵进行改进。邻接矩阵表示KNN图中样本间的邻接关系,文中不再使用0和1两个值表示样本间的邻接关系,而是引入高斯核函数来表示,提高了模型的检索精度。实验结果表明所提出的方法具有更高的检索精度。

针对不平衡数据的改进的近邻分类算法

针对不平衡数据分类问题,一种基于密度的近邻分类算法(DNN)被提出。它利用核密度估计敏锐地捕捉不平衡数据的局部分布特征,由此产生更好的分类结果。用核密度估计方法估计查询实例的各类别密度,以此对其进行密度定位;将原始数据空间中的点映射到由类别密度和距离信息构成的空间;在这个映射空间中动态地选择近邻并对查询实例进行分类。实验结果表明,DNN算法在15个不平衡数据集上分类性能良好。

昆明市中心城区服务业空间格局研究

为了探究昆明市中心城区服务业的空间分布特点,从高德地图开放平台中获取昆明市中心城区的兴趣点(point of interest,POI)数据,通过删除重复兴趣点、删除缺失的属性点对数据进行清理;以服务业兴趣点的密度为研究对象,采用核密度分析法确定了不同服务业的聚集中心,利用平均最邻近指数确定了研究区域内14类兴趣点在空间中均存在“聚集”的空间分布特征;采用KANN-DBSCAN聚类算法对研究区域内的服务业兴趣点进行聚类,并使用街道面积归一化得到每一类兴趣点在街道上的密度。结果表明:研究区内的服务业空间分布形成“一核多中心”的空间分布特征,城市服务设施呈“Y”型放射状发展;呈贡新区的教育职能突出,吸引了服务业设施的聚集;老城市中心服务职能复杂多样,其特征主要体现在商业设施及其周边配套形成的核心聚集和专业市场形成的多个中心的聚集;不同服务设施间的聚集程度存在较大差异。最后,结合分析结果为昆明市中心城区的服务设施的发展提出3点建议,可对昆明市中心城区服务业的发展提供一定参考。

基于信噪比的KPCA-SVM-KNN算法的股价预测研究

为了降低股价趋势中所含的噪声信息和输入变量的相关性对股价预测的影响,构造信噪比(SNR)特征向量,从而提出基于信噪比的KPCA-SVM-KNN的股价预测模型,并借用国内A股市场的股票价格相关数据进行实证分析,结果表明:1)SNR特征向量的加入可以提高股票分类准确率,进而增加股价预测精度;2)与现有的SVM-KNN算法相比,所提出的KPCA-SVM-KNN算法可以提高股价预测准确度,减少预测误差,从而为决策者的投资决策提供帮助。

基于共享逆近邻与指数核的密度峰聚类算法

针对密度峰聚类算法中局部密度定义和聚类分配策略的不足,提出了一种基于共享逆近邻与指数核的密度峰聚类算法。该算法利用样本的共享逆近邻点和指数核函数构造一种相似度,得到一种新的密度并将其应用在密度峰聚类算法中生成初始簇,然后将这些簇与凝聚层次聚类算法结合形成最终的类簇。数值实验证明:提出的基于共享逆近邻与指数核的密度峰聚类算法在真实数据集上的聚类结果要优于其他密度聚类算法,并能有效解决密度峰聚类算法中局部密度定义问题和聚类分配策略问题。

基于KNN核函数聚类方法在医学指标分类诊断中的应用

目的:探讨基于KNN(K-Nearest Neighbors,KNN)核函数聚类方法在乙肝病毒分类诊断中的临床医学意义和其他疾病诊断的适用性。方法:将收集来自于医院的93例乙肝患病采用基于KNN核函数分类算法进行聚类,通过SPSS数据初处理和MATLAB编程实现。揭示基于K近邻核函数在乙肝病毒分类诊断中有重大的意义。结果:通过核函数聚类方法将93例乙肝患者聚成四类,不仅划分出急性乙肝和慢性乙肝,而且发现HBC IGM也是划分急慢性乙肝的一个不可缺少的参数。结论:基于K近邻核函数的分类方法,在诊断对急慢性乙肝疾病划分有一定帮助,对后期实现计算机辅助分类诊断具有一定的意义。

预测外膜蛋白的核最近邻算法(英文)

外膜蛋白由于其位于细菌的表面,从而对于抗生素和疫苗开发具有重要的研究价值.如何准确地将外膜蛋白从球蛋白和内膜蛋白等中识别出来对于从基因组序列中确认外膜蛋白以及预测其二级、三级结构都是一项重要的研究任务.近年来人们已经提出了若干从蛋白质序列出发预测外膜蛋白的方法.本文利用1种新的核方法,即核最近邻算法,结合蛋白质序列的子序列分布预测外膜蛋白,并和支持向量机方法、传统的最近邻算法进行了比较.结果表明本文算法不亚于已有的预测方法,而且新算法更为简洁、容易实现.同时我们发现残基顺序在外膜蛋白预测中具有重要作用.