实用化图像式油液污染实时检测系统研究

针对油液实时分析的应用需求,分析了基于显微图像的全采样式油液分析系统的各种特征参数,提出了系统改进的若干关键措施,建立了基于分流采样原理的实用化油液污染分析系统。同时根据实用化系统的特点,提出了结合图像运动特征和自动阈值选取的颗粒识别方法,分析了流场速度分布,解决了污染度计算的问题,并进行了与传统仪器的对比实验,获得较好的效果。

基于直方图的遥感图像相似性检索方法比较

相似性度量是用于研究多源数据之间相似程度的,是对空间数据进行模式识别的基础。通过单波段遥感图像的检索对两组直方图相似性检索方法进行了实验研究,即基于特征向量的相似性度量和基于概率的相似性度量。实验中发现第一组相似度量中有两种以往较少用于遥感图像检索的方法表现出色,它们分别是2χ统计距离和相似夹角余弦度量。第二组实验中,针对其中包含较明显的目标物体且背景较为单一的遥感图像(其直方图可看作混合高斯分布),在类别可分离判据的基础上,根据K-近邻法则提出了一种计算该类图像之间相似值的方法。实验结果表明基于K-近邻法则的计算方法行之有效。所得出的结论将对多源数据分析中相似性度量的理解与选择有积极意义。

分散矩阵特征选择方法改进及在高光谱影像植被分类中的应用

基于传统分散矩阵的特征选择方法易选出具有一定区分性但相互冗余的特征,这些冗余的特征制约了高光谱影像分类正确率的提高,针对此问题,该文对传统方法进行了改进,首先计算每2个类别的基于分散矩阵的可分性值,然后将它们的平均值作为特征选择准则,最后利用序列浮点向前搜索算法选出特定数量的特征,用于后续分类。将所选特征的均方相关系数作为冗余性度量,定量化衡量了所提出方法克服选择冗余特征的能力。利用一景常用的AVIRIS高光谱植被影像,从分类正确率的角度,比较了所提出方法与几种典型的基于互信息和基于可分性准则的特征选择方法,在高光谱影像植被分类中的性能。试验结果表明改进的特征选择方法能较好的避免选择相互冗余的特征,与基于互信息的特征选择方法相比,基于分散矩阵可分性准则的特征选择方法在总体上能获得较高的分类正确率,特别是所提出的特征选择方法,在2个数据集上均获得了最高的总体分类精度87.2%和90.1%,从而阐明了所提出的方法在高光谱影像植被分类中的有效性。

一种基于支持向量机决策树多类分类器

提出一种基于支持向量机决策树的多类分类器SVMDT(Support Vector Machines based Decision Tree)。训练时,SVMDT采用样本类间最小距离原则进行决策树分叉,综合考虑局部类簇,生成一棵平衡的分类二叉树。分类时,SVMDT采用最大距离原则匹配决策。SVMDT训练时采用的距离为等效距离,综合考虑特征空间中样本类的中心距离以及样本类自身的分布特点,使得训练过程中确定各个SVM的优先级别更加合理,由此生成的决策树将特征空间严格划分开,避免了拒识区域的出现。UCI样本数据集实验结果表明,和传统的1对多SVM分类器相比,SVMDT具有训练速度快、分类速度快,分类精度高的特点。

一种改进的DDAGSVM多类分类方法

支持向量机最初是针对两类分类问题提出的,如何有效地将其推广到多类分类问题仍是一项有待研究的课题。本文介绍了现有的具有代表性的多类支持向量机分类算法,并在分析决策导向非循环图支持向量机分类器生成顺序随机化的基础上,引入类内的分散度,以基于样本分布的类间分离程度作为类别的划分顺序,最终构成了一种分类间隔较大的决策导向非循环图支持向量机分类算法。实验结果表明了本文方法具有更高的分类精度。

基于时域双谱特征的雷达目标识别

雷达目标高分辨一维距离像(High range resolution profile,HRRP)是目标散射回波在雷达径向上的投影,具有非高斯、非线性特点。文中从双谱概念出发引入时域双谱概念,分析了HRRP的时域双谱特征。为提高识别性能,定义了Fisher类可分离度函数,以类间可分离度最大化作为特征提取准则,提取一些特征双谱作为HRRP的特征向量。采用基于子空间变换的独立分量分析(Principle component analysis,PCA)和线性判别分析(Lineardiscriminant analysis,LDA)的特征提取方法进行了对比实验。结果表明,本文方法用于雷达目标高分辨一维距离像识别具有良好的抗噪性能和较高识别率。

基于平衡决策树相关向量机的模拟电路多类故障诊断方法

针对模拟电路的多类故障诊断问题,提出一种基于平衡决策树(Balanced Decision Tree,BDT)相关向量机(Relevance Vector Machine,RVM)的故障诊断方法;综合考虑类内紧密性和类间分散性,建立了一种类的可分性度量方法,并根据不同类划分的可分度大小优化确定BDT结构,通过在BDT各个决策节点构造RVM二类分类器实现RVM的多类分类;故障诊断实验结果表明:该方法在训练效率、诊断效率和诊断精度等方面的综合性能优于已有的RVM多类故障诊断方法。

结合类可分性和遗传算法的核ICA特征选择

核独立分量分析(KICA)可以实现特征提取,但当数据量较大时,特征的数量也随之增加.针对这种情况,提出了一种结合类可分性和遗传算法来选择特征并降低其维数的方法.对数据进行KICA处理后得到特征向量及权值矩阵.对于权值矩阵,使用类间类内距离比来进行特征初选.保留权重矩阵中类间类内距离比大的列,及其对应的特征向量.对这些特征向量使用遗传算法来选择最优特征组.两个实验验证了该方法的有效性.

基于时频分析的战场声信号主成分特征提取技术

信号的时频分布描述了信号从时域到频域的变换,较为全面地表征了信号的特征。主成分分析是统计学中分析数据的一种有效方法。本文将时频分析的方法应用于声目标的特征提取及分类;在保证信息的相对完整性的基础上,利用基于时频分析的主成分特征提取技术对4类战场目标的声信号进行了特征提取。经仿真实验验证,信号的时频分布较好地体现了各类声目标在时-频域的分布规律,主成分分析方法有效地压缩了数据量。结果表明,各目标的类间可分性测度值较大,具有良好的可分性。

基于空间重叠度的DTBSVM多类分类算法

针对传统的DTBSVM算法中判断类间的可分的难易程度时可能造成的错误判断,提出了基于空间重叠度的DTSVM多类分类方法。该方法通过计算已知的类别样本在空间中的重叠度,合并有重叠的类,组合为一个新的类,再基于一种有效的类间可分性准则进行划分,使得容易划分的类能从决策树的根节点开始逐层分割出来,再划分有类间重叠的类,这样就可以尽量地避免"误差累积"的风险,构造出分类效果好的决策树结构。实验结果表明,该方法大大提升了DTSVM多类分类算法的分类正确率。

基于核空间距离测度的特征选择

提出核空间距离测度这一可分性判据.在核空间中计算两类样本点之间的距离,并以距离的大小评价子集的分类性能.使用顺序前进法作为搜索算法,在人造和真实的数据集上进行测试,文中的核空间距离测度可分性判据明显优于传统非核的可分性判据,优于或接近于W ang提出的核散布矩阵测度,并在运行时间上快一个数量级.将文中方法应用于胰腺内镜超声图像分类,取得较好分类结果.

利用分离性测度多类支持向量机进行高光谱遥感影像分类

从支持向量机的基本理论出发,结合高光谱数据的分离性测度,提出了一种基于分离性测度的二叉树多类支持向量机分类器,并用OMIS传感器获得的高光谱遥感数据和Hyperion高光谱遥感数据进行实验,分析比较了各种多类SVM的分类精度,并和传统的光谱角制图和最小距离分类算法进行了比较。结果表明,SVM进行高光谱分类时,基于分离性测度的二叉树多支持向量机的分类精度最高。