基于非平稳性和极化相干系数比的PolSAR图像建筑物检测

为了提高全极化合成孔径雷达(PolSAR)图像中城区建筑物的检测精度,该文提出一种基于人造目标散射非平稳性和极化相干系数比的建筑物检测新方法。该方法首先对PolSAR图像进行滤波和方位向时频分解,得到多个子孔径图像,然后结合方位向非平稳性检测和极化相干系数比来判断某个像素是否为建筑物。该文通过引入一种新的极化相干系数比从而使获取的建筑物检测结果优于传统非平稳性检测方法,能够有效去除具有布拉格散射的自然地物虚警从而提高检测精度。星载和机载PolSAR数据实验结果验证了该方法的有效性。

面向教学资源的均值惩罚随机森林非平稳时序预测方法

教学资源数据信息因多种因素影响,往往随时间推移呈现出周期变化和随机变动等特性,几种变化特性组合或叠加造成其时间序列的非平稳性.这些数据蕴含着大量的多源信息,如老师学生交互数据、学生请求资源数据等,合理地对面向教学资源非平稳时序进行预测可以有效地促进在线教育平台提高用户使用体验感等.本文提出一种均值惩罚随机森林非平稳时序预测方法(PMP-RF),对通过了非平稳性检测的教学资源时序数据进行均值惩罚处理,采用随机森林模型对均值惩罚后的非平稳时序进行预测,从而得到预测值.对教学资源请求数据的预测结果表明,PMP-RF比传统的时间序列预测方法以及神经网络预测模型的精度更高,可以很好地应用在噪声较少的非平稳时序预测中.