一种基于免疫的监督式分类算法

人工免疫识别系统(AIRS)已被证实为一种高效的分类器,并成功应用于模式识别等领域。然而AIRS存在的记忆细胞数目庞大、分类准确率低等缺陷,限制了进一步的应用。为克服这些缺陷,提出了一种基于免疫的监督式分类算法(AIUC)。AIUC首先初始化记忆细胞;然后通过对每一个训练抗原的学习,进行B细胞进化,在B细胞收敛后,优选出最佳的B细胞对记忆细胞进行更新;最后通过记忆细胞对测试数据进行kNN分类。就数据集I-ris、Ionosphere、Diabetes和Sonar分别进行的对比实验结果表明,AIUC比AIRS记忆细胞分别减小了5.6%、18%、19.6%和31%,分类准确率提高到98.2%、96.9%、78.3%和92.3%。该算法具有非线性,以及克隆选择、免疫网络和免疫记忆等生物免疫系统特征,可更好地应用于模式识别、异常检测等领域。

基于免疫网络的无监督式分类算法

基于免疫网络原理,提出了一种新的无监督式分类算法。首先基于形态空间理论给出了抗体、抗原和免疫网络的形式化定义,建立了抗体克隆选择、高频变异以及免疫记忆的动态模型和相应的数学方程,最后给出了分类过程。实验表明该算法的分类精度要高于其它传统的聚类算法,并具有很好的持续学习、动态调节、特性记忆等特性。如果把抗体视为某种既定模式,合理地调整抗原集合,则该模型具有广泛的用途。

基于最优质量传输光流法和神经网络的火焰和烟雾检测

针对传统光流法不适用于气体和液体等图像检测的问题,提出了使用最优质量传输光流作为复杂过程的低维描述符用于火焰和烟雾检测的方法。检测过程可以抽象成一种关于时空像素邻域的监督式贝叶斯分类问题,其特征矢量是由最优质量传输光流速度和R、G、B颜色通道构成的,并采用单隐层神经网络分类器进行特征提取,最后通过分析像素概率来判断属于火焰或者是烟雾。实验结果表明,该方法成功的区分了烟雾和颜色相似的白云,同样区分了火焰和与火焰颜色相似的背景,具有较强的鲁棒性。

多时期卫星影像在耕地面积预测中之研究

本研究使用台湾彰化及云林两个地区之2009-2012年的历史卫星影像,配合2012年春夏及秋冬两季之现地调查验证作业,进行土地利用类别之监督式自动化判释,藉由年度及分类之加总来获取农业总耕地面积,至于该等时间序数据再藉由灰色建模来估测2013年的总耕地面积,此一估测值与SPOT一6遥测影像的自动判释成果进行比较,误差在合理范围内.本文提供了一个获取当期或当年度之总耕地面积的快速方法,而透过灰色模式亦能快速估测下一期或接续年度的总耕地面积,该等信息可提供农政单位管理上的参考.

实测与卫星观测德基水库水质变化

德基水库集水区的气候条件适合温带水果及高冷蔬菜、茶叶的种植,德基水库集水区上游遍布果园、菜园与茶园。因此,每逢大雨来临时,大量的残留肥料常遭冲刷至水库中。这些残留的肥料中含有大量的氮、磷等营养盐,足以提供水库微生物的生长繁殖所需,也因此造成水库中二角多甲藻的大量繁殖,进而形成藻华现象。研究使用Landsat TM卫星数据,搭配传统监测模式,以监督式影像分类法分析与监测德基水库1995年的藻华现象。研究结果显示,以Landsat TM卫星数据监测德基水库的藻华现象,其准确率可达87.5%以上。由影像分类的结果可得知,德基水库二角多甲藻之藻华现象发生较严重的时期为夏天,而冬天则较为轻微。此现象发生的原因,应与集水区上游的农业经营模式息息相关。此外,德基水库藻华现象发生的区域及其程度也经由实地调查与卫星影像监测,一一获得证实。