多种群精英共享遗传算法在异常光谱识别中的应用

提出了一种基于多种群精英共享遗传算法的异常光谱识别方法。该方法应用于红外光谱数据的分析,并在删除异常光谱样本后使用偏最小二乘方法进行建模。与使用蒙特卡洛交叉验证、留一交叉检验、马氏距离以及传统遗传算法进行异常光谱识别的方法相比,所提方法将水分预测模型的预测误差平方和(PRESS)分别降低了72.4%,39.5%,39.5%和14.5%;将脂肪含量的预测模型的PRESS值分别降低了86.2,75.9%,84.9%和19.9%;将蛋白质含量的预测模型的PRESS值分别降低了56.5%,35.7%,35.7%和18.2%。实验表明,所提方法不仅能适应不同成分光谱数据的异常识别,而且删除异常光谱数据后所建立的模型具有较高的预测能力和较好的稳健性。

巡线LiDAR多通道光谱图像异常识别技术（英文）

联合GPS、ISN、LiDAR、测距机等,构建超POS信息;计算最小视场分辨率、像元数、焦距等选择相机;将POS采集系统与相机组合成LiDAR多通道光谱图像异常识别系统.采用多通道匹配融合法融合紫、红外、彩色图片,基于Hough变换,通过同族容器归纳法确定疑似故障点.运用Hough变换、免疫遗传Snake、最小二乘法解析椭圆形貌,解决绝缘子异常识别问题.工程实验表明,该系统平均探测精度是82.4%,优于直升机与人工平均值24.05%,是一种高效率的智能电网巡线排查手段.