面向XRF的竞争性自适应重加权算法和粒子群优化的支持向量机定量分析研究

研究高效、准确、便捷的土壤重金属检测方法对于了解土壤的污染状况以及开展污染防治工作具有重要的意义。由于X射线荧光光谱分析(XRF)技术具备快速、准确、无损检测、样品制备简单等优势,在土壤重元素定量检测获得广泛应用。XRF仪器测试标准样品的荧光光谱并建立校准曲线,通过反演计算得到待测样品的元素含量。由于样品元素间存在基体效应,以及荧光谱特征峰存在叠加干扰,未经优化的校准曲线的线性度较差,这给反演计算来困难。为了解决上述问题,分别利用小波变换、非对称加权惩罚最小二乘法(arPLS)对光谱进行去噪和扣除本底基线,提高校准曲线的决定系数(R2);运用竞争性自适应重加权算法(CARS),针对不同目标元素优化变量选取;进一步地,基于选取的变量建立粒子群算法(PSO)优化的支持向量机回归(SVR)模型,并通过该模型反演计算各元素含量,提高定量分析的准确度和预测的泛化能力。实验结果显示,经过小波去噪和arPLS本底扣除后的校准曲线的决定系数(R2)有明显提升,Cr、Cu、Zn、As、Pb分别从0.965、0.979、0.971、0.794、0.915提高为0.979、0.987、0.981、0.828、0.953;通过CARS选取的谱线变量的个数大幅度减少,从2 048个通道降低到30个以下,为原来变量个数的1.5%,提高了变量选择的精准性;与偏最小二乘法(PLS)、未优化的SVR模型进行对比,采用CARS变量选择和PSO优化的SVR模型进行含量预测,训练集RC2与测试集RP2的决定系数分别在0.99、0.90以上,预测准确性有明显提高。因此,所提出的竞争性自适应重加权算法和PSO优化的SVR定量分析模型对于土壤重金属元素定量分析具有较好的理论指导和应用价值。

空间局部加权回归自适应TFPF

时频峰值滤波(TFPF)算法是一种非常有效的去噪方法.但是传统的TFPF采用的单一窗长,并且仅沿时间方向进行滤波,忽略了信号的空间信息,并且TFPF近似等效成一个时不变的低通滤波器,不能追踪快速变化的信号.针对这些问题,引入空间局部加权回归自适应TFPF(SLWR-ATFPF).鉴于随机噪声在各个位置的方向随机性,以及有效信号在各个位置的方向确定性,首先利用空间局部加权回归(SLWR),对含噪信号进行空间加权,从而使加权之后的信号包含空间信息.然后,再引入凸集和Viterbi的思想,对空间加权之后的信号进行自适应滤波.从而,完成时空域二维自适应滤波.将SLWR-ATFPF应用于合成记录和实际的共炮点记录,实验结果表明,改进的方法与原算法相比,能够在压制低信噪比(SNR)随机噪声的同时更好地保留有效信号.

基于局部加权映射回归的合采井产能预测算法

在油田开发中,为了节约成本,优化生产,多采用几个油层混合开采。在混合开采过程中,为了使油井处于合理有效的生产状态,必须了解单个油层对混采油的产量贡献。利用原油色谱烃技术,提出了一种基于局部加权映射回归和粒子群算法的预测方法,并采用原油配比实验进行了验证。实验结果表明,该方法具有一定的可行性,与现有的预测方法比较,提高了预测的准确率。

一类多重积分蒙特卡罗近似求解及其局部加权回归拟合

从概率论角度出发,通过构造随机变量序列及其分布,结合辛钦大数定律和依概率收敛,对一类n重积分的极限问题进行证明;利用多维连续型随机变量数学期望和重积分之间的关系,对n重积分进行离散化处理,在此基础上构造蒙特卡罗算法,并对给出的一类n重积分当n→∞时的极限过程进行模拟计算;在蒙特卡罗法近似计算结果的基础上,利用局部加权回归对计算结果进行拟合,利用R软件给出蒙特卡罗法和局部加权回归拟合过程的可视化,当重积分重数n不断增加时,近似计算结果和回归拟合曲线都能很好地逼近极限值;对一类n重积分极限中的参数进行修正,并将文献给出的在固定区域[0,1]×[0,1]×…×[0,1]上一类n重积分极限的结论推广至一般区域[0,u]×[0,u]×…×[0,u]上,然后利用蒙特卡罗法对一般区域上n重积分当n→∞时的极限过程进行模拟计算,并利用局部加权回归对其进行拟合,从而进一步验证结论的合理性。

保持图像细节的局部自适应去噪滤波器新方法

去噪算法在现代图像处理应用中占有极其重要的地位。然而图像去噪的过程总是伴随着图像的模糊。本文提出了一种对彩色图像细节保持较好的局部自适应的去噪算法--基于个数判断噪声的前提下结合线性插值、非线性插值(这里主要指中值滤波)滤波对噪声图像进行处理,得到较理想的效果。和领域平均法、倒数梯度加权法、纯线性插值法、纯中值滤波法等相比较,其效果改善明显。

基于加权系数自适应选择的背景杂波抑制技术研究

含有点状运动目标的红外图像情况下,本文研究了一种以最小自适应空域局部加权估计误差使全局估计误差为最小的图像背景(杂波)估计技术,给出了此类估计器性能分析和加权函数的自适应选择算法.另外,杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证,其结果表明自适应选择的Uniform或Gabor加权系数综合性能优于同类文献中经常被单独使用的Uniform加权函数.

核磁共振图像归一化互相关非局部自适应去噪

为了更好地去除核磁共振(MR)图像中莱斯(Rician)分布的噪声,首先提出使用图像局部归一化互相关(NCC)作为几何结构相似性的一个表征,对传统非局部算法中使用灰度计算像素相似性权值的方法进行有效补充;然后,将改进方法分别应用于非局部均值算法和非局部最小线性均方误差估计算法,并根据局部信噪比(SNR)动态自适应地计算非局部算法中待滤波像素自身的加权值或者像素之间相似性阈值,达到对核磁图像自适应降噪的目的。实验结果表明,该算法可以更好地抑制核磁图像中的莱斯噪声,有效保留图像中细节信息,对核磁共振图像进一步的分析研究以及应用于临床诊断等具有非常重要的应用价值。

基于权值的自适应正则化超分辨率算法

不精确的配准参数会使图像重建结果不理想。为此,提出一种基于权值的自适应正则化超分辨率算法。自适应局部区域权值根据该区域的可靠性进行自适应运算,利用分水岭分割将参考图像分成不同区域,由此提升重建质量。对真实视频序列的实验结果证明该算法有效。

基于随机蛙跳波段选择算法的土壤铅含量高光谱估测

高光谱数据中存在的大量冗余信息对高光谱估测精度产生较大影响。旨在寻求特征波段筛选的最佳算法,以实现土壤重金属铅含量的准确监测,为土壤污染防治提供参考。以新疆渭干河-库车河三角洲绿洲土壤重金属铅含量与光谱数据为数据源,利用蒙特卡洛交叉验证(MCCV)算法确定92个有效土壤样品,通过相关分析选取倒数对数一阶微分变换处理的光谱数据,采用随机蛙跳(RF)算法,并结合竞争性自适应重加权(CARS)算法、迭代保留有效信息变量(IRIV)算法及连续投影算法(SPA),构建RF-CARS、RF-IRIV及RF-SPA三种算法对波段进行筛选。以倒数对数一阶微分变换处理下的特征波段反射率为自变量,土壤重金属铅含量为因变量,采用极端梯度提升(XGBoost)和地理加权回归(GWR)方法构建土壤重金属铅含量估测模型。结果表明:(1)光谱变换处理可有效增强光谱与土壤铅含量的敏感性,其中倒数对数一阶微分变换后的土壤光谱特征更为明显,相关系数可达到0.620(p<0.001)。(2)RF-CARS、RF-IRIV及RF-SPA算法分别从高光谱数据中筛选出6、9和7个特征波段,全部位于近红外光谱区域,3种算法具有较强的特征提取能力,极大减少光谱数据中的冗余信息。(3)基于RF-IRIV算法构建的土壤铅含量估测模型的精度和稳定性高于RF-CARS和RF-SPA算法构建的模型,说明RF-IRIV算法能更为准确的保留与土壤铅含量相关的波段。此外,GWR模型的性能优于XGBoost模型,构建的RF-IRIV-GWR模型具有较好的预测能力,可作为研究区土壤铅含量的最优估测模型,其验证集的决定系数(R^(2))为0.892,均方根误差(RMSE)为0.825 mg·kg^(-1),相对分析误差(RPD)为3.09。基于随机蛙跳(RF)与迭代保留有效信息变量(IRIV)算法,结合地理加权回归(GWR)建模方法在快速准确估测土壤铅含量方面具有一定优势,可进行土壤重金属污染的动态监测。

面向动态交通分配的交通需求深度学习预测方法

为满足动态交通分配对高精度、高时效性交通需求的要求,本文建立了一种交通需求深度学习预测方法。根据动态交通分配要求确定交通需求数据的时间间隔,构建对复杂交通需求预测性能较优的长短期记忆神经网络预测方法;针对动态交通分配中交通需求的周期性、随机性和非线性等特征,为减少数据噪声的干扰,引入局部加权回归周期趋势分解方法将交通需求数据分解,将其中的趋势分量和余项分量作为深度学习预测方法的输入量,周期分量采用周期估计进行预测;选用具有随机寻优能力强、寻优效率高等特点的布谷鸟寻优算法优化预测方法的隐藏层单元数量、学习速率和训练迭代次数等核心参数。应用西安市长安区的卡口车牌数据验证该方法。结果表明:本文模型的预测结果在高峰及平峰各连续4个时段内相比于自回归滑动平均模型、长短期记忆神经网络模型、支持向量回归模型,平均绝对误差降低了10.55%~19.80%,均方根误差降低了11.20%~17.99%,决定系数提升了8.62%~12.48%;相比遗传算法、粒子群算法优化的模型,平均绝对误差降低了7.36%~13.81%,均方根误差降低了4.23%~10.67%,决定系数提升了3.50%~7.01%,且本文模型运行时间最短。说明与对比模型相比,本文所建立的预测方法在面向动态交通分配的交通需求预测中具有更高的预测精度。

基于图像局部加权熵和自适应阈值的角点检测算法

针对Harris角点检测算法在应用中实时性较差和运算量较大,同时抗噪能力较差等问题,提出一种基于Harris算法的改进算法,利用图像局部加权熵与最小亮度变化(MIC)算法相结合的方法进行角点检测。首先,运用图像局部加权熵算法思想,初步得出候选角点集;然后计算Harris算法的角点响应函数(CRF)值,将候选角点按CRF值大小差分为三类;最后使用自适应模板和阈值的MIC算法进行角点检测,得出最佳匹配点。实验结果表明,该方法提高了原算法的实时性,增加了角点提取数量和准确性,并且能够有效去除大多数伪角点。

基于近红外光谱和支持向量机回归参数调优的羊肉含水量检测

羊肉中的水分含量直接影响着其加工、贮藏和口感,因此对其水分含量的检测具有十分重要的意义。在900~1700 nm的波长范围内采集南疆羊肉的光谱数据,采用一阶导数(first derivative,1-DER)、标准正态变换(standard normal transformation,SNV)、多元散射校正(multivariate scatter correction,MSC)、小波变换(wave transformation,WT)、SG平滑变换(Savitzky Golag smooth transformation,SG)、傅里叶变换(Fourier transform,FT)对原始光谱数据进行预处理。分别采用连续投影算法(successive projection algorithm,SPA)和竞争自适应重加权算法(competitive adaptive reweighted sampling,CARS)进行光谱特征选取,建立偏最小二乘回归(partial least squares regression,PLS)和支持向量机回归(support vector regression,SVR)模型对羊肉水分含量进行预测。结果显示,采用1-DER-CARS-SVR模型,选取参数c为0.7011,g为0.0884时,预测效果最佳,测试集的均方误差为1.2162,拟合优度为0.7395。研究结果为研发羊肉水分含量的无损检测装置提供理论参考。

基于CARS-SPA特征提取的黄水淀粉近红外光谱定量模型优化

为提高白酒固态发酵的副产物黄水中淀粉含量预测模型精度和建模效率。采用傅里叶变换近红外光谱仪采集黄水光谱信息,利用一阶导数对光谱进行预处理,并结合偏最小二乘回归(partial least squares regression,PLSR)建立黄水淀粉定量预测模型。使用决定系数(R^(2))和预测均方误差(root mean square error of prediction,RMSEP)评价模型性能。光谱中含有大量冗余信息,为有效提升黄水淀粉含量检测精度和优化模型效率,将不同特征提取方法的优点结合,发现使用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)结合连续投影算法(successive projections algorithm,SPA)提取的光谱特征所建立的PLSR模型,相较于未使用特征提取或仅使用单一特征提取所建立的模型均有明显提升。在单一使用CARS时,模型的R^(2)为0.9654,RMSEP为0.2012%,而结合SPA后,R2为0.9738,RMSEP为0.1748%。此外,光谱维度从2203个减少到了126个,不仅提高了预测精度,也提升了建模效率。本研究提出的方法可作为黄水近红外定量模型优化的有效途径。

D近邻加权方法在WSVR中的应用研究

根据每个样本在整个样本空间中所处位置的分布来计算不同的权重值,可以更好地度量样本的局部性质。K近邻加权算法的有效性极大程度上依赖于参数K,但是对参数K的选取有很大的主观性。针对这一缺点,对改进的K近邻算法(dependent nearest neighbor,DNN)算法,提出一种基于D近邻点的DNN加权样本方法,并将这种新的加权方法推广到权重支持向量回归机(weighted support vector regression,WSVR)中。UCI公用数据集和股票指数数据实验结果显示,所提方法具有更高的拟合精度和更小的误差,验证了DNN-WSVR方法的可行性和有效性。

高光谱反演耕地土壤质量评价元素含量方法研究

为探讨利用高光谱快速估算耕地土壤质量元素镉(Cd)、砷(As)含量的可行性和准确度,该文针对元素光谱特征波段提取及高光谱定量反演建模开展研究。使用一阶/二阶微分(first derivative/second derivative,FD/SD)、倒数对数(logarithm reciprocal,LR)、包络线去除(continuum removal,CR)4种光谱变换与竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)、相关性分析(Pearson correlation analysis,PCC)2种特征筛选相组合的多种方法提取光谱特征波段。在此基础上,分别利用偏最小二乘回归(partial least squares regression,PLSR)和粒子群改进的随机森林回归(particle swarm optimization-random forest regression,PSO-RFR)2种回归模型来反演元素含量并进行精度验证。结果表明,实验区土壤元素Cd和As预测的最佳模型均为FD-CARS-PLSR,Cd和As元素模型的决定系数R^(2)最高分别为0.863和0.959,相对分析误差分别为2.799和5.119。FD/SD光谱变换结合CARS特征筛选能够提升PLSR反演模型的精度。研究成果可以为土壤Cd和As元素含量的快速估算提供参考。

基于DA多重插补法和电力物联网的电能数据缺失修复方法

针对电力物联网中电能数据量过多,缺失电能数据修复难度较大的问题,研究基于DA多重插补法和电力物联网的电能数据缺失修复方法。电力物联网利用感知层的电能数据采集终端采集电能数据,所采集电能数据利用通信层传送至应用层,应用层的电能数据缺失修复模块,利用EM插补算法计算电能数据缺失值的初始插补值;将所获取的电能数据插补值作为DA多重插补法的初始值,DA多重插补法利用局部加权回归模型,通过调整电能数据缺失值的预测误差,获取最终电能数据缺失修复结果。实验结果表明,该方法修复电力物联网电能数据的观测误差方差低于0.2,对于短期电能数据与长期电能数据,均具有良好的修复结果。

无线自组网的自适应同步技术研究

研究了无线自组网中动态拓扑下节点时间同步存在的问题,提出了一种自适应的时间同步算法。通过采用基于发送-接收模式的同步方法建立节点之间的时延关系表,运用局部加权回归对洪泛时间同步协议中的时间戳进行拟合,再对拟合曲线估计的时间和由节点的动态时延表得到的时间进行综合分析,完成节点时间同步。仿真结果表明,在动态无线自组网中,与传统的同步算法相比,所提算法使得同步过程所需传输的分组数量平均降低了30%左右,全网节点间的时钟同步精度平均提高了26%左右。

近红外光谱结合竞争性自适应重加权采样算法用于人工牛黄的质量分析研究

目的对人工牛黄近红外光谱的特征波长进行分析和研究。方法使用竞争性自适应重加权采样算法(CARS),分别从定性和各定量指标的角度,优化筛选出近红外光谱的特征波长变量。结果筛选出的特征波长数目仅为全变量的0.48%~4.44%,所构建的模型相比于近红外光谱全波长构建的模型来说,不仅变量数量大幅度减少,而且评价模型的指标参数更佳。结论该方法适用于人工牛黄的质量评价与控制。

可见近红外光谱结合多元统计分析的面粉吸水率检测模型构建

面粉吸水率是评价面粉质量和预测面制品加工特性的重要品质性状。面粉吸水率的测定主要参照国际或国家标准利用粉质仪进行,其测定方法费时费力。基于此,提出利用可见近红外光谱分析技术结合多元统计分析进行面粉吸水率快速、无损检测。参照国标法测定150份小麦面粉样品的吸水率,面粉吸水率变幅为53.10%~74.50%。利用可见近红外分析仪采集面粉样品的光谱信息,有效光谱范围为570~1100 nm。采用偏最小二乘回归(PLSR)、主成分回归(PCR)和支持向量机回归(SVR)将光谱信息和面粉吸水率进行关联,分别建立面粉吸水率的定量分析预测模型,筛选最优的建模方法。在优选的建模方法的基础上,采用竞争性自适应重加权(CARS)、区间随机蛙跳(iRF)、迭代保留信息变量(IRIV)和连续投影(SPA)算法提取特征波长,筛选最优的特征波长提取算法。基于最优的建模方法和最优的特征波长提取算法提取的特征波长,采用标准化(NL)、一阶求导(1 st Der)、基线校正(BL)、标准正态变换(SNV)和去趋势化(DT)5种光谱预处理方法对特征波长的光谱进行预处理,筛选最优的光谱预处理方法。结果表明,采用NL光谱预处理方法对CARS算法提取的24个特征波长(仅占原始波长的2.26%)的光谱进行预处理后建立的PLSR模型性能最佳,预测集相关系数(R_(p)^(2))、预测集均方根误差(RMSEP)和预测相对分析误差(RPD)分别为0.8894、1.4585和2.6413。采用CARS算法提取的特征波长所建的模型不仅能提高模型的性能,还很大程度提高模型运算效率、降低仪器制造成本和光谱仪微型化的难度,从而为面粉吸水率可见近红外无损、快速检测研究奠定了基础。

水面舰艇对来袭鱼雷联合定位方法

针对传统舰载声呐以及拖曳阵声呐在进行鱼雷预警时缺失鱼雷距离、位置信息,导致鱼雷防御器材效能较低的问题,开展了水面舰艇对来袭鱼雷联合定位方法研究。针对来袭鱼雷方位估计信息误差大、存在野值等问题,提出基于局部加权线性回归的测向信息预处理方法,降低了目标方位估计精度不足引入的定位误差,结合典型鱼雷攻击弹道运动特性,利用卡尔曼滤波算法,建立了目标状态解算模型。同时针对水声信号收发不同时、信号处理延迟等问题,提出时空关联算法,形成稳健声呐联合定位算法。该方法在增强舰船联合作战指挥系统的鱼雷防御能力,维护舰艇安全等方面具有广泛的应用前景。