K-邻域法对不同形态植被点云数据特征的提取

以三维激光扫描仪获取的点云数据为数据源，在分类裁剪得到不同自然地物的点云数据基础上，介绍了利用K-邻域法对不规则的自然地物点云数据进行邻域检索，通过设定尺度参数k的值对高矮不同的植被进行特征点的提取算法。通过实验对提取后的结果进行比较分析。结果表明：尺度参数的设置对点云密度较大的低矮植被效果明显，对于密度相对稀疏的高植被影响不大，参数k设置在3~5之间效果显著。

多普勒天气雷达风场退模糊方法的研究

文章提出了对多普勒天气雷达的风场信息进行预处理的“K 邻域频数法” ,该方法物理统计意义比较明确 ,能够有效地处理风场信息中的“噪声”问题。在此基础上 ,设计了单径向的速度扩展算法 ,并提出了“双径向 双切向”的方法 ,其效果与美国WSR 88D、NSSL和FSL的算法相当。该文还设计了一个界面十分友好的人机交互方法 ,可以达到约 90 %以上的速度扩展正确率 ,是对传统的人机交互方法的极大改进。

雷达数据预处理算法研究

目的:对多普勒雷达原始数据进行预处理。方法:利用K-邻域频数法分析不同参数的选取对于结果的影响,并结合雷达原始资料的实际情况,在参数的选取方法上进行了优化,并用不同的窗口大小去适应不同的区域。结果:在速度退模糊起始点的选择上做了补充,使得去噪补缺的效果更好,速度退模糊的效果大大改善。结论:提出了寻找退模糊起始点的方法。

一种多普勒雷达原始资料处理方法的应用研究

文章利用物理、统计意义较为明确的"K-邻域频数法"对多普勒雷达原始资料进行处理,即在"k-邻域频数法"统计的基础上,将多普勒速度在切向上扩展,有效处理了风场信息中的噪声、跳跃点和缺测等问题。

多普勒天气雷达原始数据的预处理方法研究

本文利用K-邻域频数法对多普勒天气雷达原始速度资料进行预处理,分析了统计窗口、剔噪声阈值与补值阈值等参数的选取、算法处理次数等对处理结果的影响,并且对该方法的优点和局限性进行讨论,将算法进一步补充完善,使K-邻域频数法的补测效果更加有效,以满足数据预处理的需要。

基于天气雷达的风切变识别研究

风切变是影响航空飞行和着陆安全的重要因素,为提升风切变的识别效果,首先利用“K-邻域频数”法对天气雷达数据进行质量控制,并针对不同的距离库讨论窗口尺寸对数据结果的影响。结果表明,采用多种窗口的质量控制能有效剔除噪声数据,并充分填补缺测点和缺测区域。其次对最小二乘法的识别区域进行改进,在雷达覆盖范围内各区域均有良好表现。使用直接差值滤波法和改进最小二乘法对阜阳地区的一次龙卷过程实例进行风切变的识别研究,对比两种方法的识别结果发现,在距雷达中心10 km内的区域,最小二乘法有较低的误识别率;在距雷达较远区域,该方法亦能精准识别风切变现象发生。

基于正反馈的支持向量机

在分析现有的基于高斯核的支持向量机(包括基于K-邻域法的支持向量机)的优缺点的基础上,通过对支持向量机之所以能够描述数据集的分布特征的本质进行分析,突破目前在构造支持向量机中存在的"所有支持向量与样本之间的在特征空间中的内积所对应的核函数参数一定要相等"的这一苛刻要求,提出了用于模式识别的基于正反馈的支持向量机。给出了基于正反馈的支持向量机的算法。通过对人工数据和现实数据的仿真实验,表明基于正反馈的支持向量机在推广性能方面明显优于现有的支持向量机。