基于阈值分类及信号强度加权的室内定位算法

为了减小室内复杂环境下接收信号强度值(RSSI)波动和个别信标节点被干扰对定位精度的影响,提出一种基于阈值分类及信号强度加权的室内定位算法。先根据室内环境的路径损耗特征,对各参考点进行分类并分别确定其匹配阈值,再将接收信号强度作为参考权重进行加权定位,最终得到更为精确的节点位置。实验表明,该算法能减小RSSI随机抖动引起的误差,有效地削弱个别信标节点被干扰的影响,提高定位精度。

基于多阈值分类与逆向求证的红外序列图像弱小目标检测方法

弱小点目标检测是红外探测技术中的一个关键问题。针对目前序列红外图像目标检测中单阈值分割时弱小目标易丢失及快速移动目标的能量欠积累问题,提出了一种基于多阈值分类与逆向求证的弱小红外目标检测方法。在背景抑制的基础上,首先采用自适应多阈值分类的方法提取多类候选目标,强化了各类弱小候选目标的检测能力。在当前帧候选目标点的真伪无法判定时,根据目标在相邻帧间的位置变化信息构造相应的时空管道,沿时空管道逆向寻找可能出现的各类候选目标,并将其能量与当前帧候选目标点的能量进行加权求和后再进行门限判决,较好地解决了弱小目标及快速移动目标的能量积累问题。最后,通过若干实际红外数据验证了上述方法的有效性。

SVM结合多阈值分类的遥感影像公路水毁信息提取

水毁灾害发生后对公路损毁位置和范围等信息进行准确提取,是后续开展应急救援和灾后重建工作的前提条件。目前,主要采用面向对象的方法对遥感影像中公路水毁信息进行检测,但是此类方法中大多数需要采用近红外波段。当影像缺少近红外波段时,目前还没有通用的方法可以对公路水毁信息进行检测。为解决以上问题,首先对各项分割参数进行对比实验,选择出最优参数作为公路水毁灾害遥感影像最优分割尺度,然后提出一种基于机器学习结合自定义波段特征CCBS(Combination characteristics of brightness and spectral)、面积、长宽比等多种影像特征的分类方法,分别提取灾前道路和灾后水体信息,并利用种子增长法对灾后水体提取结果进行优化,最后将灾前道路映射至灾后水体上提取出公路水毁路段信息。实验表明:在仅使用遥感影像RGB波段的情况下,该方法对公路水毁灾害信息的提取精度接近90%,可以满足应急救援和灾后重建工作的需求。

基于阈值分类器的水果识别系统设计

为了提高水果分拣及水果品级分类的智能化水平,提出一种基于阈值分类器的水果识别系统。水果识别系统中,先对待识别水果图像进行二值化处理、形态学处理、边缘检测和水果图像填充等一系列预处理工作。在此基础上,提取水果形状特征参数,通过GUI界面,将每张水果图像的形状参数直观地展现到界面上,通过设定以离心率、圆度、长轴短轴之比三个形状参数阈值分类器,对水果种类进行识别,并将识别结果通过文字和语言进行展示。实验结果表明,所提系统能够识别一些常见的水果,并且水果识别率在90%左右。

冬小麦不同指标的干旱响应阈值及干旱程度定量分级研究

为评估冬小麦水分亏缺程度,需要采用合理的评价标准表征植株受旱程度,这对规避气候变化新常态下可能的干旱风险具有重要意义。以冬小麦为研究对象,设置雨养(T1)、漫灌(T2)、滴灌W1(40%~50%FC)、滴灌W2(60%~70%FC)和滴灌W3(80%~100%FC)5个水分处理,测定了形态指标、光合指标、叶绿素荧光参数和土壤水分含量,采用阈值指标分类法(thresholdindicatortaxaanalysis,简称TITAN)分析上述各农学参数与干旱程度(drought degree,简称D)的定量响应关系,并确定其对干旱程度发生明显改变的临界点,从而对冬小麦受旱程度进行定量分级。结果表明,相较于周麦27,洛麦22的受旱程度较高,各农学参数对干旱胁迫适应性强。基于TITAN法确定了不同冬小麦品种各农学参数的干旱响应临界点,并将2个冬小麦品种划分为4个受旱等级:轻旱D1、中旱D2、中旱D3和重旱D4,其中,洛麦22为0.00<D1≤0.277、0.277<D2≤0.504、0.504<D3≤0.714和0.714<D4≤1.00;周麦27为0.00<D1≤0.112、0.112<D2≤0.390、0.390<D3≤0.690、0.690<D4≤1.00。在冬小麦受到轻旱(D1)时,各农学参数降幅为4.39%~14.35%,其中以净光合速率和气孔导度降幅最为敏感,分别为11.20%~14.35%和10.64%~13.60%,其次是茎生物量(11.76%~12.82%);在冬小麦受到中旱(D2)时,各农学参数降幅均比较严重,降幅为21.73%~4429%;在D3干旱等级时,冬小麦干旱胁迫加剧,其中以周麦27的叶干重降幅最高。本研究结果将为科学评估作物干旱受灾程度提供依据,也为农业防旱抗旱和稳定国家粮食生产提供重要保障。

风电功率爬坡气象场景分类模型及阈值整定研究

为了判定和预报引发风电功率爬坡事件的风速突变的强对流气象类型,考虑风电场实际运行状态、电力系统运行方式以及区域电网的热备用启动速度和承受能力确定风电功率爬坡定义及其爬坡气象场景判定标准。在此定义上,引入支持向量标记法构造了风电功率爬坡场景分类的极小值和极大值的初始化模型,通过合适的显著性参数因子及预分类结果,建立风电功率爬坡场景分类模型。进而根据气象学物理意义分类出典型爬坡气象类型和相关特征因子阈值范围。实例分析表明,风电功率爬坡气象场景分类模型和确定的分类特征因子阈值对预报判别出目标区域风电功率爬坡气象类型有较好的指导作用。

随机平均欧氏距离的统计性质与分类阈值

平均欧氏距离是系统聚类法中使用最普遍的一个距离指标,它是样品分类的重要依据.为了能使分类者更科学地确定分类阈值,对随机平均欧氏距离的统计性质进行了研究,确定了它的概率分布,给出了它的数字特征,为分类阈值的确定提供了理论依据和方法.

基于自动阈值分类的高分辨率影像海陆分界线自动提取

海陆分界线的变化对滩涂面积和湿地系统变化具有指示作用并且影响航运活动,因而需提取海陆分界线。视海陆分界线为陆地(包括淤泥质潮滩)和海水(包括河道)的瞬时分界线。首先,构建近红外—绿—蓝波段的假彩色图像,进行色彩、对比度增强和双边滤波处理;其次,构建海陆分界线提取指数(Sea-land Boundary Extraction Index,SBEI),并利用自动阈值分析方法,将影像分为海洋和大陆,同时合并陆地碎斑。针对河道伸入陆地的问题,对于宽度为W的河口,采用步长为W+1的膨胀腐蚀的方法消除;最后用Canny算子提取海陆分界线。为验证算法的有效性,选取1m分辨率的高分二号卫星影像,对3种海岸类型进行实验,结果表明此方法的提取精度约为5个像元,相较NDWI和CV模型的提取精度至少提高10个像元。

基于核Fisher的理想投影空间及分类阈值确定

介绍了一种基于Fisher线性判别的非线性分类方法——核Fisher,其主要思想是首先把样本映射到特征空间F,然后在此空间进行Fisher线性判别,隐含地实现了原输入空间的非线性判别;同时利用SVM对分类阈值进行估计,实现了对两类样本最大程度的区分。通过仿真可以得出这一判别方式有利于确定两类平均丢包率的区分阈值。

基于阈值指标分类法的玉米营养生长阶段受旱程度分级

基于田间小区实验,就玉米对不同强度及持续时间的干旱响应进行研究。玉米播种前进行底墒调控,使各小区土壤底墒基本一致。三叶期开始,按照研究区7月多年平均降水量的100%、80%、60%、40%、20%和7%分别进行一次性灌水,此后不再进行灌溉,全生育期利用大型电动遮雨棚遮挡自然降水,随生育时间推移形成6个不同初始土壤水分梯度的持续干旱过程。分析不同处理玉米营养生长阶段(三叶期-拔节期)的形态(株高、叶面积)和生物量(茎干重、叶干重、总干重)指标对干旱程度的响应规律,采用阈值指标分类法(TITAN)确定各生长指标对干旱程度响应规律发生明显改变的临界点,并基于不同指标响应干旱程度临界点的同步性确定玉米植株水平响应干旱程度(D)的临界点,从而将玉米的受旱等级划分为4个等级。结果表明:当0<D≤0.07时,玉米受到轻旱影响,其形态和生物量指标的平均降幅仅为1.2%~3.0%;当0.07<D≤0.47时,玉米受到中旱影响,叶面积和株高的平均降幅分别为15.9%和8.6%,茎、叶干重及总干重的平均降幅分别为18.8%、15.4%和12.4%;当0.47<D≤0.73时,玉米受到重旱影响,叶面积的平均降幅为37.8%,株高的平均降幅为16.9%,茎、叶干重及总干重的平均降幅分别为43.3%、45.2%和28.9%;当0.73<D≤1时,玉米受到特旱影响,叶面积和株高的平均降幅分别为83.6%和53.3%,叶干重和茎干重的降幅均高达90%以上,总干重的平均降幅达87.0%。研究结果可为作物干旱受灾程度的定量分级与评价提供方法和依据。

一种基于高斯拟合的水生植被遥感分类阈值确定方法

水生植被作为浅水湖泊的重要组成,其丰度和盖度变化影响着湖泊生态系统的平衡。卫星遥感技术是浅水湖泊水生植被类群时空监测的有效手段,决策树是目前主流的水生植被遥感分类方法。但决策树中分类特征的阈值大多是通过与影像同步的大量实测样点训练确定,对于缺少实测样点的影像,难以获取准确阈值,成为水生植被类群分布历史重建的瓶颈。基于HJCCD影像数据,获取洪泽湖水生植被类群敏感光谱特征图像的直方图,结合高斯模型,建立了一种基于高斯拟合的水生植被遥感分类阈值计算方法,计算得到分类特征的阈值并建立决策树,开展洪泽湖的水生植被类群提取,分类总体精度为84%,Kappa系数为76%.该方法可实现缺少同步实测样点时,水生植被分类特征阈值的准确、自动化计算,为浅水湖泊的水生植被分布的历史重建提供了有力的方法支撑,进而可对湖泊高效管理和生态修复等提供理论指导。

基于一种可变分类阈值的SPIHT算法

针对传统小波变换过程复杂和多级树集合分裂算法(Set Partitioning In Hierarchical Trees,SPIHT)编码过程重复运算、存储量大的问题,提出了一种新的可变阈值的SPIHT算法。该算法利用可变阈值对SPIHT算法中不重要的像素集合链表(List of Insignificant Pixels,LIP)、系数列表(List of Insignificant Sets,LIS)进行分类,得到一种更有效的编码算法。仿真结果表明,该算法针对不同图像的大小、分解级数都能得到很好的峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)。

交通影响分析阈值确定方法研究

交通影响分析阈值的确定是进行交通影响分析的关键问题,本文通过对国外交通影响分析阈值研究的分析,结合我国城市交通特点、交通基础研究状况、土地开发和经济水平,提出不同类型建设项目交通影响分析阈值的确定方法,并且以北京市某区域为例,给出该方法的应用。

地形约束下的地块级水稻分层提取方法

西南山区的多云多雨天气和复杂地形给光学遥感数据的收集带来挑战,影响了水稻最佳物候期的高质量成像获取,并增加了构建稳定的时间序列和精确提取水稻的难度。本实验选取了重庆市双河镇作为研究区域,以地形高程作为约束条件,利用GF-2卫星影像实现了水稻地块的分层精准提取。这一方法有效降低了复杂地形对水稻提取准确性的影响。确定耕地地块作为最小单元,保障了地块内种植作物的唯一性;根据水稻移栽时间随海拔升高而后延的特点将研究区地块细分,高程作为主要地形约束条件,以400m为界分为低海拔和高海拔的水稻种植区,从而加强同一高程内水稻物候的一致性;结合Sentinel-1/2的影像数据,计算各地块的SPRI(SAR-based Paddy Rice Index,水稻指数)值,量化评估每个地块中种植水稻的概率;对这些具有特定SPRI值的地块应用了多阈值二进制分类方法,实现了精确提取。实验结果表明,在0~400m区域,使用高程约束的水稻分类方法F1_score精度可达92.1%,而在400m以上区域精度达到90.8%。SAR数据有效捕捉了水稻关键生长期信息,地块级提取减少了数据干扰,高程分层减少了同一海拔区域内的分类差异,简化了由于高程变化引起的分类复杂性,显著提升了西南地区水稻分类的精度。

支持向量机在围岩稳定性分类中的应用

在分析不同围岩稳定性分类方法及支持向量机算法的基础上,提出基于支持向量机的围岩稳定性分类方法。随后采用Matlab语言编程,建立了相应的围岩稳定性分类模型。以某蓄能电站一期工程的实例数据为学习样本,进行学习测试,得到训练效果较佳的分类模型,并用此模型对其二期工程的围岩进行了分类。分析中同BP神经网络算法进行了对比,结果表明,用支持向量机方法来进行围岩稳定性分类是可行的,且具有一定的优越性。

基于多阈值Otsu和海森矩阵的脑血管提取

研究了多阈值Otsu对血管组织覆盖灰度区间分类算法和基于Hessian矩阵的管状物增强算法。通过多阈值Otsu分类算法对三维人体头部MRA图像进行分类,得到包含少量其它边界过渡区域的脑血管图像,将修正的基于Hessian矩阵的增强算法作用于过渡区灰度数据,使管状物得以保留并增强;将Hessian矩阵的特征值和特征向量应用于血管特征的响应函数及形态学修补和光顺各个环节,与血管灰度接近的片状和点状数据得以去除或削弱;选择合理的尺度空间范围及尺度空间增量和调节因子以平滑非线状区域和锐化增强血管区域。该脑血管提取方法在同等准确率下具有较高的稳定鲁棒性。

基于SPCA和域变换递归滤波的高光谱图像分类

提出一种基于分割的主成分分析(Segmented Principal Component Analysis,SPCA)和域变换递归滤波(Domain Transform Recursive Filtering,DTRF)的高光谱图像分类算法。利用SPCA方法降低高光谱图像的维数和提取各波段子集的第一主成分。使用不同参数的域变换递归滤波器对各波段子集第一主成分进行滤波,形成堆叠的边缘保持滤波图。采用主成分分析(Principal Component Analysis,PCA)将堆叠的边缘保持滤波图进行特征融合。利用基本阈值分类器(Basic Thresholding Classifier,BTC)对融合后的主成分进行分类。仿真实验表明,所提方法能够提高分类精度,且在总体分类精度、平均分类精度、Kappa系数等方面优于已有方法。

无线局域网络入侵行为的预判算法设计与仿真

无线局域网在入侵检测过程中几乎都是根据已经被入侵的事实完成,缺少对安全形式波动的预判性,造成对入侵行为的检测存在滞后。为提高无线局域网络的安全性能,提出无线局域网络入侵行为的预判算法。首先利用小波阈值分类方法对无线局域网络展开去噪处理,然后通过Hilbert变换分析无线局域网络信号的频谱信息,获取入侵网络流量特征信息。根据网络流量特征的波动性,构建深度学习模型初步预判入侵行为,通过Bi-km eans的聚类结果生成未知入侵行为判断纠正项。将入侵行为的初步预判和未知入侵行为判断纠正项相结合,获得最终的入侵行为预判结果。实验结果表明:这种方法对无线局域网络入侵行为预判流量特征提取准确度高、检测率高、误报率低、检测时间短。

基于深度学习帧内编码快速划分算法

为降低H.266/VVC(versatile video coding)帧内编码复杂度,提出一种基于纹理分类的卷积注意力机制神经网络CBAM-CNN(convolutional block attention module-convolution neural network)模型的快速帧内编码单元划分方法,替代嵌套多类型四叉树QTMT(quadtree with nested multi-type tree)的遍历搜索。综合考虑每个编码单元CU(codinguint)纹理特征,建立基于阈值的纹理分类模型,判断64×64的编码单元是否划分;设计并训练一种CBAM-CNN网络模型,预测32×32,16×16CU的划分结果。仿真结果表明,所提算法使帧内编码时间平均减少43.217%,编码比特率仅增加0.894%,有效降低了帧内预测的编码复杂度。

基于多维度文本特征的电商平台评论有用性研究

伴随电子商务的发展,基于Web 2.0的在线评论体系不断完善,但海量评论降低了有效信息的获取效率,引发信息过载问题。如何迅速识别对消费者有用的评论、缓解信息过载问题,引起了业内与学界的广泛关注。利用大众点评网近5万条餐厅在线评论数据,综合考虑评论的多维度文本特征与情感表达倾向,采用Tobit、负二项回归方法对评论有用性影响因素开展实证研究。在此基础上,提出餐厅在线评论有用性分类阈值并使用支持向量机算法检验阈值的分类性能。研究结果表明:在线评论内容的菜品品质维度属性数量与平均长度、商家服务维度属性数量与平均长度以及正向情感倾向均显著正向影响在线评论有用性,且阈值为2的模型分类性能最佳。因此,电子商务网站可以进一步优化在线评论体系,提高消费者信息获取效率,促进在线评论生态持续向好发展。