面向对象标准最邻近分类法在地理国情监测中的应用

地理国情监测项目范围大,遥感影像分辨率高,信息提取精度要求高,人工解译任务繁重,急需利用自动解译技术来提高效率。面向对象的标准最邻近分类法可针对地表覆盖信息实现数据的自动快速提取,相比于人工分类方法所提取的结果,该方法具有较高的精度,并且可大幅度提高地理国情监测地表覆盖信息提取的生产效率。

标准最邻近分类法在道路提取中的应用

遥感影像分类的过程即是把分割出来的遥感影像对象和语义类层相互联系在一起,从而使影像对象具体安排到对应的类别中。传统的分类方法不能完全利用遥感影像特征,造成了影像特征空间数据的冗余。为此,将标准最邻近分类法应用到遥感影像信息提取中,并以Econgtion为实验平台进行道路提取。结果表明:这种提取方法操作简单,分类提取的精度较高。

电力变压器故障诊断的人工免疫网络分类算法

变压器油中溶解气体分析是电力变压器绝缘故障诊断的重要方法。文中将人工免疫网络分类算法应用于电力变压器故障诊断,利用增加抗原、记忆抗体类别信息的人工免疫网络对故障样本进行学习,可以获取更好地表征故障样本特征的记忆抗体集,再用最邻近分类法对故障样本进行分类。经大量实例分析,并将其结果与IEC三比值法和BP神经网络等方法的结果相比较,表明该算法能有效地对电力变压器单故障和多故障样本进行分类,具有较高的诊断准确率。

基于人工免疫分类算法的电力变压器故障诊断

基于人工免疫识别原理提出一种电力变压器故障诊断方法。该算法模拟自然免疫中抗原和B细胞相互作用机制,将故障样本(变压器油中溶解气体体积)作为抗原,用加权欧氏距离计算亲和力,兼顾分量单项超标故障信息,通过免疫训练,获取表征故障样本的人工识别球集合,再用最邻近分类法对故障样本分类。实例表明,该算法能有效识别变压器故障,具有较高的检测准确率,在电力变压器故障诊断中有良好的应用前景。

基于克隆选择分类算法的电力变压器故障诊断

变压器油中溶解气体分析是进行电力变压器故障诊断的一种有效方法,将克隆选择分类算法引入电力变压器油中溶解气体分析,利用免疫克隆选择原理学习并提取表征故障样本特征的记忆抗体集,然后用最邻近分类法对故障样本进行分类。人工免疫系统具有良好的自学习和自记忆能力, 使得克隆选择分类算法具有很强的非线性分类和泛化能力。经大量实例分析,并将其结果与IEC三比值法和BP神经网络等方法的结果相比较表明,该算法能有效对电力变压器单故障和多故障样本进行分类,并具有较高的诊断精度。

面向对象的土地利用遥感分类方法研究

以重庆市忠县为研究区,以LANDSAT-5 TM影像为数据源,利用TM及其衍生指数、DEM及其衍生数据,借助ENVI4.8、ArcGIS10.0以及eCognition软件,进行土地利用遥感信息提取方法研究,通过综合利用基于知识的决策树分类和基于样本的最近邻分类,对研究区进行土地利用遥感信息提取,并与监督分类和非监督分类方法相比进行精度评价。研究结果表明,与传统分类方法相比较,面向对象分类方法精度更高。

辅以纹理特征的植被分类方法研究

纹理是遥感影像处理和计算机视觉领域中的重要研究内容,在植被遥感中有着非常广泛的应用前景。主要讨论在面向对象,多尺度分割的基础上,分别基于光谱信息和纹理特征的最邻近分类法提取南京某新开发区的植被信息。研究结果表明,与传统的基于光谱信息和基于象元特征的分类法相比,辅以纹理特征的最邻近分类法的总体精度分别提高了6.36%和1.16%。

基于光谱融合的火星表面相关矿物分类方法研究

多源数据融合能在一定程度上扩展数据信息量,更利于建立准确和稳健的分析模型。行星探测中常采用多个载荷协同分析同一目标,因此利用多载荷数据融合辨别分析火星矿物具有重要科学意义和应用前景。分别采用可见近红外(Vis-NIR)反射光谱和拉曼(Raman)散射光谱两种技术手段测量了火星表面主要矿物(硅酸盐、硫酸盐、碳酸盐)的光谱特征曲线,并对获取的光谱数据进行基线校正、Savitzky-Golay平滑以及标准矢量归一化(SNV)等必要的数据预处理。根据光谱特征,首先选取样品Vis-NIR和Raman数据信息丰富、信噪比高、光谱信号重叠小的波段(Vis-NIR:430~2 430nm,Raman:130~1 100cm^(-1)),然后运用软独立建模分类法(SIMCA)、主成分分析法-K最邻近分类法(PCA-KNN)分别建立基于Vis-NIR,Raman及两者融合(累加融合、串联融合)的矿物聚类分析模型。采用SIMCA算法的矿物聚类准确率由单一光谱建模的72.6%(Vis-NIR),90.7%(Raman)提升为融合建模的96.3%(累加融合)和98.1%(串联融合);采用PCA-KNN的准确率由单一光谱建模的68.9%(Vis-NIR),72.9%(Raman)提升为融合后的80.3%(累加融合)和92.6%(串联融合)。实验结果表明:光谱融合能够发挥Vis-NIR,Raman各自的数据优势,所建火星表面相关矿物分类模型的预测准确度更高。该研究为我国火星探测任务奠定了岩石分类方法基础。

用k-最近邻和贝叶斯分类预测图书用户喜好

将用户兴趣爱好、书籍受欢迎程度和用户对书籍的评价等参数组成差异性矩阵,确定各参数影响权重、建模计算用户对书籍的评分,融合采用k-最近邻分类法和朴素贝叶斯分类法来分类过滤数据,设计实现一种数字图书用户喜好预测算法。实验结果表明,该算法提高了数字图书个性化推荐精度。

基于单分类结合模糊宽度学习的负荷辨识方法

非侵入式负荷监测是智能用电的关键技术,有助于加强负荷侧管理,提高用电效率。随着电力负荷类型和数量的迅速增加,当模型中接入训练样本之外的未知电器时会导致模型误判,降低负荷识别的准确性。为了提高负荷识别模型的稳定性以及识别精度,提出一种单分类结合模糊宽度学习的电力负荷识别方法。首先,构建负荷特征库实现多负荷识别;然后,通过单分类K近邻方法进行样本筛选,排除未知电器的干扰;最后,提出一种基于模糊宽度学习系统的负荷识别方法解决识别模型复杂度高、识别速率慢的问题。实验结果表明,所提出的算法能够快速有效地识别电力负荷。

高分多模卫星林业地类及树种识别应用研究

遥感分类技术一直是林草行业应用的热点和难点,2021年开展的国家林草综合生态年度监测开始广泛应用遥感技术开展林地、草地和湿地图斑变化判读,地类前后变化的识别精度是其难点和关键。通过利用国内首颗分辨率优于0.5m的高分多模卫星,在湖南省桃源县、吉首市2个试验区分别开展林业主要地类识别和树种精细识别应用实践研究。结果表明:随机森林方法在林业地类识别中表现较好,林地、湿地、其他林地等主要地类的总体分类精度为89.56%,Kappa系数为0.733;K最邻近分类法对杉木、马尾松、灌木组、柑桔4个主要树种的总体识别精度为77.58%,Kappa系数为0.697。总体而言,高分多模卫星遥感分类和目标识别能力较好,在林草调查监测工作中应用潜力较大。

基于遥感图像三区光谱特征的水网城市区域规划协调控制方法

水网城市区域规划功能区图像相似性特征较强,且受生态环境、水资源调度等多个因素影响,造成水网区域规划协调性较差,提出基于遥感图像三区光谱特征的水网城市区域规划协调控制方法;使用高分辨率遥感设备采集城市影像;运用形态学算法,利用结构树,通过击中、击不中变换的方式对图像做细化处理;从亮度均值、目标标准差和亮度差级指数三方面提取图像光谱特征;采用最邻近分类算法,建立分类模型,以优先功能区、一般功能区和冲突协调区的自身环境和光谱特征为依据,将提取的特征输入到分类模型中,自动输出划分结果,利用A*算法简化划分步骤,实现水网城市规划协调控制;实验结果表明,所提方法提高了遥感图像质量,分类结果符合不同功能区的特征要求;兼顾其它生态要素,规划具有协调性,规划效果较好;可在2s内完成目标区域规划,规划时间较短;对于目标规划数据的检测误差小、准确率高,大幅度提高搜索效率,能够为水网城市区域规划协调控制提供可靠依据。

基于高分卫星影像的复杂山区光伏电站信息提取

该文基于高分卫星资料,通过基于规则的面向对象分类、基于最邻近法的监督分类及基于CART分类器的监督分类3种不同分类方法,对复杂山区光伏电站进行提取,对比3种分类提取方法结果并完成精度验证。结果表明:合理的分割参数有利于提高光伏电站提取精度;基于规则的面向对象分类法光伏电站提取精度最佳,最邻近分类法次之,CART分类器分类法最差,可利用基于规则的面向对象分类法较为准确地进行复杂山区光伏电站信息提取,为光伏产业健康、合理发展提供一定的数据支撑。

面向对象的丘陵区水田遥感识别方法

中国南方丘陵区地形破碎,地物分布复杂,丘陵区水田的光谱特征相对于平原区较混杂,传统的基于像元的遥感数据获取受异质性因素的影响,无法利用单一时(季)像及特定的图像自动识别规则提取精度较高的水田分布信息。针对这一问题,该文基于多时像HJ-1A/1B卫星图像,结合地面调查,以湖南省湘潭市为研究区,在易康(e Cognition)软件平台上分别以光谱特征为主要参考的多层最邻近分类法和以在特征知识库支持下的决策树分类法对丘陵区水田进行图像识别。结果表明:分层最邻近分类法比单一最邻近分类提取的精度高,但在相同分割尺度下,利用特征知识库支持下的决策树分类提取水田的精度达到最高,为90.25%,总Kappa系数为0.79,说明特征知识库支持下的决策树分类方法比最邻近分类法更加适合丘陵区水田的遥感识别。

基于在体植入电极的生物嗅觉传感系统设计及其气味识别

目前生物嗅觉系统在气味识别方面相比于化学传感器阵列构成的电子鼻系统具有更高的灵敏度、特异性和响应速度。为了探讨生物嗅觉传感系统气味识别的可行性,构建了基于微电极阵列传感器植入大鼠嗅球构成的嗅觉传感系统,研究记录了浓度为10 mM的异丁醇、苯甲醚、香芹酮和柠檬醛4种气味刺激引起的嗅球僧帽层低频场电位信号,采用多窗谱估计算法和移动窗技术结合得到随时间分布的功率谱密度图。实验结果发现气味刺激后信号功率谱能量较多分布在gamma频段(40 Hz～120 Hz)。使用K最邻近分类方法对120组数据进行分类识别,4种气味分类正确率达到77.4%。实验结果表明该嗅觉传感系统结合多窗谱估计时频图与K最邻近分类算法可以初步实现气味识别。

基于主元分析与支持向量机的方法及其在过程监控诊断中的应用

基于支持向量机(SVM)在处理小样本、高维数及泛化性能强等方面的优势,提出了基于主元分析和支持向量机(PCA-SVM)对过程进行监控的方法。文中先利用主元分析方法进行特征数据提取,得到降维的主元特征向量,去除了高维样本变量相关性,然后分析各状态T2统计、SPE统计量的变化趋势,对实际生产状况进行监控,最后利用SVM与最近邻法相结合的策略对特征向量进行分类识别。试验结果证实了提出算法的有效性。

基于危险理论的无线传感器网络入侵检测的一种新模型

针对传感器节点的内存不足,电池能量有限使得无线传感器网络面临很严峻的安全挑战,提出了一种新式的基于危险理论的无线传感器网络入侵检测系统,它使用了通过K最邻近分类器产生的危险信号。实验结果显示这种系统是无线传感器网络的一种新的理想模型。

基于离线文本独立的笔迹鉴别系统设计

笔迹鉴别是通过分析手写字符的书写风格来判断书写人身份的一门技术,利用改进型多通道Gabor滤波器来提取笔迹图像的纹理特征,用最邻近分类器进行分类。本设计中采集了12个人的不同笔迹,取得了较好的结果。

基于统计特征的图像直方图均衡化检测方法

直方图均衡化作为图像对比度增强技术之一,在图像恶意篡改过程中经常被作为隐藏被篡改图像强度变化的手段.本文利用图像直方图和其累积分布函数曲线,提取直方图均衡化的痕迹特征,实现直方图均衡化篡改检测.本文提出的方法首先利用图像直方图累积分布函数的变化趋势自适应地选择提取特征的灰度范围,然后在该范围内分别提取累积分布函数与恒等函数的相似度和直方图的零值间隙数量作为分类特征,最后利用K最邻近(K-Nearest Neighbor,简称KNN)分类算法进行分类.实验结果表明,本文方法不仅适用于检测常规直方图均衡化操作,对小分辨率图像的直方图均衡化操作和均衡化图像经过压缩后处理情况都具有较强的鲁棒性,并且可以区分直方图均衡化和其他类型对比度增强操作.

三种遥感反演海岸线方法的实验对比分析

在分析海岸线提取算法基础上,以环渤海的Landsat7 ETM+影像为数据源,以基岩海岸线和淤泥质海岸线两种典型的海岸线为研究对象,采用Sobel边缘检测算法、阈值分割法和K最邻近分类算法进行海岸线提取实验。通过实验对比分析,归纳和总结了针对不同类型海岸线提取算法的适用性。