基于R语言的k-最近邻法数字模式识别研究

k-最近邻法是常见的机器学习算法,R语言中通过kknn包完成算法实现,但其无法实现图像文件的处理。为此,本文先将图像文件转换成文本文件,再结合KNN算法对文件中数字图像进行模式识别。实验得出其判断结果达到了预期指标。

基于R语言机器学习的分类算法应用研究

R语言不仅普遍应用在数理统计,在机器学习领域也有出色表现.本文以机器学习中的分类算法为主要内容,探讨R语言在机器学习中的应用.通过对分类方法结果加以分析,推广了R语言的教学研究与应用.

自适应确定DBSCAN算法参数的算法研究

传统DBSCAN算法需要人为确定Eps和MinPts参数,参数的选择直接决定了聚类结果的合理性,因此提出一种新的自适应确定DBSCAN算法参数算法,该算法基于参数寻优策略,通过利用数据集自身分布特性生成候选Eps和MinPts参数,自动寻找聚类结果的簇数变化稳定区间,并将该区间中密度阈值最少时所对应的Eps和MinPts参数作为最优参数。实验结果表明,该算法能够实现聚类过程的全自动化并且能够选择合理的Eps和MinPts参数,得到了高准确度聚类结果。

基于k-NN非参数模型的高山松生物量遥感估测研究

以香格里拉高山松为研究对象,Landsat8/OLI为信息源,在前期进行香格里拉市高山松遥感特征光谱提取的基础上,结合地面50个实测样地数据,建立了研究区高山松地上生物量k-最近邻法(k-NN)遥感估测模型。结果表明,采用欧式距离度量特征变量间的相似度,距离分解因子t、最近邻数k值分别取2和4的模型参数结构下拟合精度达到最佳,决定系数(R^2)为0.71,均方根误差(RMSE)为18.21 t/hm^2;基于像元尺度的优化模型估测得到香格里拉市的生物量约为0.22亿t,研究结果可为低纬度高海拔地区的森林生物量遥感估测提供案例。

非参数判别方法及其应用

非参数判别方法及其应用中国医科大学第二临床学院妇科预防医学系校部汤桂华魏庆王争陈智屈年贺判别分析是多变量分析方法中发展较早、较成熟，应用也较广泛的一类方法，在医学科研中也取得了可喜的成果。它们绝大多数都是通过各种不同的方法建立判别函数完成的，这就要求...

基于改进DBSCAN算法的ICESat-2海面点数据去噪处理及精度评估

ICESat-2卫星搭载先进的光子计数式激光雷达ATLAS,使用全新的测量方式获取海量的光子点云数据。光子计数激光点云由于受海洋表面噪声以及水中穿透性较强等因素影响,现有的去噪算法在浅海区域海面去噪上存在一定的局限性。针对上述问题,本文提出了一种基于改进DBSCAN参数的去噪算法,通过利用点云数据集自身分布特性生成候选Eps参数,自动寻找最优Eps参数,改进现有的DBSCAN去噪算法,并在南海两处岛礁区域进行实验验证。实验表明该算法在浅海区域的去噪精度达到98%,优于传统算法的去噪精度,该研究可为ICESat-2海面点的去噪工作提供参考。

基于多类型无人机数据的红树林遥感分类对比

使用固定翼无人机、消费级旋翼无人机和专业级旋翼无人机获取广东珠海淇澳岛红树林保护区多类型无人机遥感影像,使用基于面向对象分类的K-最近邻与随机森林分类器对研究区影像进行红树林树种精细分类和对比分析,并探讨了不同类型无人机平台在红树林资源调查应用中的优缺点。结果表明:1)固定翼无人机、消费级旋翼无人机和专业级旋翼无人机数据使用K-最近邻法的分类精度分别为:73.8%、72.8%和79.7%;使用随机森林法的分类精度分别为:81.1%、84.8%和89.3%。3种平台类型的无人机数据均适用于红树林精细分类研究,对于无人机红树林遥感数据,随机森林的分类方法优于K-最近邻方法。2)以拍摄面积与用时之比估算采集效率,固定翼无人机、消费级旋翼无人机和专业级旋翼无人机分别为0.036、0.013和0.003 km2/mmo固定翼无人机的采集效率具有明显优势。3)固定翼无人机适合大范围红树林数据采集,要求较高;消费级旋翼无人机适于获取小范围精细数据,成本低且易学易用;专业级旋翼无人机适合搭载质量稍大的如成像光谱仪、LiDAR等专业传感器获取多源数据。最后给出了无人机在红树林遥感研究中的注意事项和建议。

一种改进的KNN文本分类

在文本分类中,文本特征空间维数巨大以及训练样本分布不均衡等问题影响分类性能。针对这个问题,提出一种改进的KNN分类方法。利用隐含语义分析方法对特征样本空间进行降维处理;利用基于样本密度的改进的KNN分类器进行分类。实验结果表明提出的方法能够收到较好的分类效果。

独立成分分析在瓦斯浓度预测中的应用研究

为提高含噪声瓦斯浓度数据的预测精度,提出了一种基于独立成分分析(ICA)和k-最近邻(kNN)法的反向传播人工神经网络(BP-ANN)预测模型。利用滑动时间窗算法产生训练样本矩阵,采用ICA方法估计训练样本矩阵中的独立成分,用不含噪声的独立成分重新构建训练集;运用k-NN法减小训练集规模,引入混合距离测度函数降低训练过程的计算复杂度。实验结果表明,该预测模型较普通BP-ANN模型有效减小了瓦斯浓度预测误差和训练时间。

基于超声成像技术的火腿肠等级判别

本研究通过超声成像技术实现火腿肠的等级判别,利用火腿肠的蛋白质、脂肪、淀粉等理化指标,将其分为特级、优级、普通级。分别采集3个等级的火腿肠共120份超声图像信息,提取图像的角二阶矩、熵、平均值等常见纹理特征值。然后利用主成分分析(PCA)结合K-最近邻法(KNN)和最小二乘支持向量机(LS-SVM)化学计量学方法建立基于纹理特征的火腿肠等级判别模型。结果表明:不同等级火腿肠的超声图像差异明显,且超声图像的纹理特征值差异显著(P<0.05)。建立的识别模型中,LS-SVM模型的校正集识别率为100%,预测集识别率为94.87%;KNN模型优于LS-SVM模型,当主成分数为2,K为1时,KNN模型对应的校正集识别率为97.53%,预测集识别率为97.44%。超声成像技术可实现火腿肠等级的快速准确识别,研究结果可为超声成像技术在火腿肠等级判别方面的应用提供参考。

基于SVM的哈萨克语文本分类

介绍了支持向量机(SVM)和k-最近邻法(kNN)分类算法的思想和两种哈萨克语特征提取方法。对SVM、kNN和Bayes算法在哈萨克语文本分类的实验进行了比较。实验结果表明:在处理哈萨克语文本分类问题上,SVM较kNN和Bayes有较好的分类效果。由于哈萨克文单词的语素和构形的特点,若对哈萨克语词缀进行切分,则会降低文本分类的准确率和查全率。

新安江模型和支持向量机模型实时洪水预报应用比较

选择新安江模型和支持向量机模型分别在浙江省、陕西省的4个流域进行实时洪水预报,并使用K-最近邻实时校正法对新安江模型预报结果实时校正,比较2种模型在不同流域的应用效果,其中选择确定性系数、峰现时间误差、洪峰相对误差和均方误差作为模型预报评价指标。进一步改变预报预见期并分析2种模型在不同预见期内的预报精度。研究结果表明,新安江模型和支持向量机模型在不同流域洪水预报中各有优势,支持向量机模型预报精度受降雨精度影响较大。当预报预见期较长时,新安江模型预报结果更好;随着预见期缩短,支持向量机模型预报精度显著提高,在短预见期实时预报中支持向量机模型优势更明显。在预报难度较大的半湿润半干旱流域,新安江模型和支持向量机模型在率定期和实时预报过程中均具有较高精度。

基于循环球转向器的实例检索策略研究

在研究和建立了循环球转向器设计实例库之后,为了提升针对循环球转向器设计领域基于实例推理(Case-based reasoning, CBR)实例检索的效率和准确性,提出了一种基于模板检索和K-最近邻法的实例检索策略。文章首先以循环球转向器的实例检索为研究对象,简述了循环球转向器实例的表示方法;其次结合循环球转向器特点给出了该检索策略的流程和相似度计算模型;最后,通过某型号的循环球转向器的实例检索为例进行了验证。结果验证了所提出的实例检索策略的有效性,同时在工程实际中也得到了很好地验证。

Web文本挖掘系统及其关键技术研究

随着网络信息的迅猛发展,信息量日益增加,怎样从海量的Internet上获取有用信息,WEB文本挖掘系统是挖掘技术的重要应用方向,它是指在给定的分类体系下,根据网页的内容自动判别内容类别的过程,论文对文本中所涉及的关键技术,包括K-最近邻参照法模型、基于隐马尔科夫模型(HMM)的信息抽取、机器学习方法,进行了研究和探讨,并且给出了基于信息抽取的文本挖掘系统的设计实现和下一步的研究重点。

基于GF-1PMS影像的森林郁闭度定量估测模型研究

森林郁闭度是我国森林资源二类调查中的重要林分因子之一,为探索高分一号影像在森林郁闭度定量估测的可行性,以内蒙古自治区东北部柴河林业局为研究区,基于GF-1 PMS多光谱影像和DEM数据,以纹理特征、光谱信息和地形因子为自变量,采用k-最近邻法(k-Nearest Neighbor,k-NN)、稳健估计以及偏最小二乘法3种方法构建研究区域的森林郁闭度估测模型,辅之以二类调查小班数据和现地实测数据进行模型精度评价。结果表明:1)3种郁闭度估测方法的应用效果均能满足实际需求,这说明GF-1 PMS多光谱影像在森林郁闭度定量估测方面具有一定的潜力;2)k-NN法和稳健估计的实际应用效果明显优于偏最小二乘法,且2种模型的估测精度均>80%;3)3种郁闭度估测稳定性分析,结果显示k-NN法稳定性较好,而稳健估计法和偏最小二乘法估测模型不稳定。

离群数据挖掘在高炉物料消耗数据认证中的应用

物料消耗量是指导高炉生产,计算各项生产指标的重要计量数据。及时核对认证高炉物料消耗数据,将为企业的科学决策提供重要的依据。在分析比较离群数据挖掘算法的基础上,采用k-最近邻距离法,对高炉物料消耗数据进行离群数据挖掘,找到错误数据后,用金属料平衡法对其进行修正,实现高炉物料消耗计量数据的自动认证。基于上述思想所开发的系统,弥补人工认证的缺陷,提高数据的认证效率和准确性。

城市燃气负荷离群数据的挖掘及分析

采用k-最近邻距离法对燃气负荷时序数列进行离群点的数据挖掘,分析了离群点产生的原因。结合实例,采用燃气负荷特征曲线法,对查找出来的离群点进行修正。