结合分水岭分割的合成核SVM高光谱分类

高光谱图像丰富的光谱信息使其在目标检测、地物分类等领域都具有重要应用,分类作为高光谱应用的重要中间步骤引起了广泛关注。高光谱图像空间信息刻画了光谱像素点与近邻关系,可以较好地弥补单纯使用光谱信息难以解决的同物异谱、同谱异物以及高维小样本等问题。传统预处理方式空间信息的使用是基于固定结构(如方窗)选择空间近邻以计算空间特征辅助分类,但会因窗口大小而影响空间特征质量。为此本文提出了结合分水岭分割的合成核支持向量机(Support vector machine,SVM)高光谱分类,根据分水岭分割图自适应选择优质的空间近邻,然后通过合成核SVM有效地把空间信息融入到原光谱信息分类中。实验表明,本文方法更好地利用了空间信息,实现在少量样本下高光谱图像的快速高精度分类。

基于CKCPSVR的改进型永磁调速器的性能预测及优化

设计了一种具有凹槽磁极永磁盘和开槽导体盘结构的永磁调速器。针对该结构的多目标优化问题,采用中心复合设计实验构造了输入样本空间,采用有限元分析得到输出样本空间,从而构造出完备的训练数据集;然后基于合成核分类近似支持向量回归机建立了该装置的优化结构参数与性能指标(即输出转矩和涡流损耗)之间的预测模型;为了尽可能实现输出转矩最大和涡流损耗最小,将两个优化目标转化为"满意度最大"这一单目标问题,并利用空间粒子群优化算法进行求解,得出了满意的结构。有限元仿真结果表明:与标准结构永磁调速器相比,优化之后永磁调速器的性能得到了改善,使得涡流损耗降低了10%,同时输出转矩提高了22%;另外,制造了样机并进行了实验室仿真平台的验证,证实了所提优化设计策略的有效性以及改进型永磁调速器良好的性能。