基于偏振光谱的叶片尺度下玉米与杂草识别研究

自然界中不同种物质拥有不同的偏振特性,这些特征信号能用于检测不同的目标地物。为了探索偏振光谱技术用于精确识别作物和杂草的可行性,此研究利用配置偏振片的成像光谱仪FISS-P在室内采集玉米与5种杂草的偏振光谱影像。通过比较和分析0、60、120和无偏4种状态下玉米与各种杂草的光谱响应规律、光谱特征和决策识别模型精度,结果显示4种偏振状态下玉米和杂草的光谱变化趋势较一致,无偏状态下玉米和杂草的光谱强度最大;不同偏振状态下玉米和杂草的敏感波段既存在共性又表现出一定的差异性;4种偏振状态下玉米杂草识别模型的总体精度和Kappa系数均达到90%以上,其中,0偏振状态下玉米和杂草识别模型的整体精度最高,接近100%。综上,偏振光谱能够在叶片尺度较好地识别玉米和杂草,这为田间尺度进一步应用提供了扎实的数据积累。     

基于KPCA和LSSVM的蜂蜜近红外光谱鉴别分析

为快速鉴别普通植物源与中草药植物源蜂蜜,提出一种核主成分析和最小二乘支持向量机相结合的蜂蜜近红外光谱定性分析新方法。利用傅里叶变换近红外光谱仪测定普通洋槐蜂蜜和益母草、黄连两种中药植物源蜂蜜样本的近红外光谱并预处理,然后对光谱进行核主成分分析,提取非线性特征,最后设计基于纠错编码最小二乘支持向量机的多类分类器模型。采用网格搜索法确定模型最优参数,利用最优分类模型对未知类别蜂蜜样本进行识别,正确率可达96.67%。结果表明,基于KPCA和LSSVM的近红外光谱定性分析算法鉴别普通植物源与中草药植物源蜂蜜是可行的。     

基于梯度方向直方图的干枯植物与裸土偏振光谱识别研究

从地物光谱图像识别的关键问题出发,将改进的梯度方向直方图(光谱梯度方向直方图)与"光谱总反射率"应用到偏振光谱识别研究中,实现了对5种干枯植物与3种裸土的识别.在研究中,先联合光谱梯度方向直方图特征向量的模与光谱总反射率进行层次聚类分析,可以识别6种研究对象,再单独利用光谱梯度方向直方图特征的模进行层次聚类分析识别其余2种研究对象,从而可以实现全部研究对象偏振光谱识别.     

基于光谱特征增强的高光谱图像地物目标识别

在地物识别过程中,目标光谱特征不明显是制约识别算法性能的一个重要原因,当图像中存在与目标光谱特征相似的背景杂波时,算法性能会受到很大影响.针对这一问题,提出了一种基于光谱特征增强的高光谱图像目标识别方法.利用多分辨率分解和非线性变换突出了未知光谱与标准参考光谱间微小的光谱特征差异,实现了对未知目标的识别.实验结果表明,相比于未进行光谱特征增强的方法,方法能够很好地分辨出不同地物间微小的光谱特征差异,同时有效地抑制了图像中背景杂波的干扰,具有更好的识别能力.     

一种新型近红外伪装涂层的制备及光谱性能研究

以聚氨酯为基体,叶绿素、铬绿、水等为填料,研制出一种可有效模拟植物反射光谱的近红外伪装涂层.实验结果表明,涂层在近红外波段具有明显的水吸收峰,克服了传统的材料因不含水而无法实现“同谱”的不足;含水量60 wt%时,涂层在300~2500 nm波段呈现出与植物相似的光谱反射特征,相似度高达99%,且符合美军标光谱通道要求,有望成为对抗现代光谱侦察的有效手段.此外,通过FT-IR、SEM等表征手段,简要讨论了涂层组成及微观结构对其光谱性能的影响.     

近红外光谱检测技术在仓储害虫识别中的应用

简要介绍了近红外光谱检测技术的发展过程及在仓储害虫识别应用中的基本原理,通过对近红外光谱检测技术在国内外仓储害虫识别中的发展状况的分析,提出了在仓储害虫识别中采用近红外光谱检测技术与图像处理识别技术结合的研究新思路。     

利用纤维红外吸收特性的皮棉杂质检测新方法

为有效检测出与棉纤维形态、颜色极其相似的异性纤维杂质,根据异性纤维与棉纤维近红外吸收特性的差别。提出近红外光谱成像方法检测皮棉异性纤维杂质．该方法分析近红外波段中异性纤维与棉纤维吸收特性差异随波长变化规律,确定了区分棉纤维与多种异性纤维的最佳波段的范围,建立红外光谱成像系统,将异性纤维近红外吸收特性转化为近红外图像中异性纤维图像特征,利用自适应图像增强和二值化图像处理,从皮棉背景中提取异性纤维．实验结果表明,该方法获取的异性纤维图像特征明显,检测结果与实际相符,此方法可有效识别皮棉中异性纤维杂质．     

基于近红外光谱的舌诊疾病识别的研究

为了对中医舌诊的客观化研究,提出了应用近红外光谱分析技术快速无创的对健康人、冠心病、糖尿病和肝炎患者的不同人群的舌诊近红外光谱进行识别的新方法.首先对98个样本光谱数据进行归一化处理,用主成分分析(PCA)方法得出的累计贡献率达99.88%的前8个主成分作为广义回归神经网络(GRNN)的输入变量,建立了舌诊近红外光谱的识别模型.利用该模型分别选取了18个不同人群的近红外光谱数据共72个样本用于神经网络的训练,余下的26个用于预测,当光滑因子为5/8时预测的最大误差为0.17342,最小误差为0,获得了较理想的预测精度.实验结果表明用PCA和GRNN相结合的方法对舌诊近红外光谱与疾病之间建立了较好的关联,对加强中医舌诊的客观化起到了很好的促进作用,为疾病的诊断提供了一种新的方法.     

基于小波特征的星系光谱分类

提出了一种新的星系光谱分类方法.首先,对原始光谱进行四级小波分解,选择主要包含谱线信息的第四级小波系数作为光谱的小波特征;然后,利用主分量分析对光谱的小波特征进行特征压缩,得到光谱的识别特征;最后,利用Fisher线性判别分析实现分类.该方法能够在红移值未知的情况下,对流量未定标的星系光谱进行识别.通过实验与其他几种分类方法进行了比较.实验结果表明,本文方法具有较强的鲁棒性,在流量未定标情况下的识别效果优于其他几种分类方法.     

基于二叉树SVM的弹道目标RCS识别

二叉树支持向量机(SVM)是一种针对多类问题的有效分类器,具有结构简单、训练快的特点,但二叉树SVM容易出现误差积累,且不能输出识别结果的置信度。文中设计了一种基于隶属度计算的二叉树SVM分类器,首先,该分类器利用方差和最小准则选择节点,将多类问题转化为偏二叉树SVM分类问题,避免了误差积累,然后,利用特征变换空间的类中心和类半径,计算出样本结果的置信度,使得二叉树SVM分类器能够输出模糊结果。将上述二叉树SVM分类器应用于弹道目标的RCS特征识别,仿真结果表明了该方法的有效性。     

Study on the classification of multi-spectral images based on a FSVM multi-class classifier with the binary tree

Due to the features of the multi-spectral images, the result with the usual methods based on the support vector machine (SVM) and binary tree is not satisfactory. In this paper, a fuzzy SVM multi-class classifier with the binary tree is proposed for the classification of multi-spectral images. The experiment is conducted on a multi-spectral image with 6 bands which contains three classes of terrains. The experimental results show that this method can improve the segmentation accuracy. 更多还原     

雷达目标一维距离像识别方法研究

提出了一种基于小波包分析和二叉树支持向量机相结合的雷达目标一维距离像识别方法.该方法充分利用了小波包对信号的时频分解和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能.通过采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量.对...     

一种基于遗传算法的SVM决策 树多分类策略研究

提出了一种基于遗传算法(GA)的SVM最优决策树生成算法,并将其应用于解决SVM多分类问题.首先以最大分类间隔为准则,利用遗传算法对传统的SVM决策树进行优化,生成最优(或近优)决策二叉树;然后在各个决策节点,利用传统的SVM算法进行二值分类,最终实现SVM的多值分类.理论分析及实验结果表明,新方法比传统的DT-SVM、DAG-SVM方法有更高的分类精度,比经典的1-a-1、1-a-r有更高的训练和分类效率.     

基于SVM决策树的网络流量分类

提出一种用支持向量机(SVM)决策树来对网络流量进行分类的方法,利用SVM决策树在多类分类方面的优势,解决SVM在流量分类中存在的无法识别区域和训练时间较长的问题。对权威流量数据集进行了测试,实验结果表明,SVM决策树在流量分类中比普通的"一对一"和"一对多"SVM方法具有更短的训练时间和更好的分类性能,分类准确率可以达到98.8%。     

KFDA and clustering based multiclass SVM for intrusion detection

To improve the classification accuracy and reduce the training time, an intrusion detection technology is proposed, which combines feature extraction technology and multiclass support vector machine （SVM） classification algorithm. The intrusion detection model setup has two phases. The first phase is to project the original training data into kernel fisher discriminant analysis （KFDA） space. The second phase is to use fuzzy clustering technology to cluster the projected data and construct the decision tree, based on the clustering results. The overall detection model is set up based on the decision tree. Results of the experiment using knowledge discovery and data mining （KDD） from 99 datasets demonstrate that the proposed technology can be an an effective way for intrusion detection.     

基于支持向量机的说话人辨认研究

支持向量机是统计学理论的一个重要的学习方法，也是解决模式识别问题的一个有力的工具，本文提出了用支持向量机来解决说话人辨认问题。结合语音信号的特点，解决了大数据量情况下支持向量机的训练问题。支持向量机对两类的分类问题有着突出的优势，本文用两种判决规则将两类问题应用到多类的识别问题。用支持向量机实现了一个与文本无关的说话人辨认系统，实验表明，本方法有良好的效果。     

基于二叉树的SVM多类分类算法

在介绍了几种常用的支持向量机的多类分类方法及分析其存在的问题和缺点的基础上利用类均值距离思想提出了一种新的基于二叉树的多类SVM分类方法.     

基于模糊模式与决策树融合的脚本病毒检测算法

构建决策树进行脚本病毒检测可以全面利用训练样本的信息,在样本特征较为复杂、样本数较大的情况下会产生大量节点,计算时间复杂度高,在剪枝过程中影响分类准确度。为融合模糊模式的信息以提高分类器性能,该文设计了决策树分类基础上的融合算法。该算法将关于模糊模式贴近度的3个特性作为决策树样本信息向量中的属性。使用训练样本集,根据上述属性在划分点上的分裂信息值及信息增益率选择分裂属性,逐步构建决策树。实验结果验证了算法的稳定性与准确度,表明这种融合方法可增加属性的区分度,减少决策树的分支数。     

联合多维特征的干扰识别技术研究

干扰识别是通信电子防御系统的重要组成部分，针对复杂电磁环境的干扰识别问题，本文研究了联合多维特征的干扰识别技术，从时域、频域和变换域提取了一组对干扰参数、噪声敏感度低且复杂度较低的特征参数，给出了联合多维特征且基于决策树和支持向量机（Support Vector Machine，SVM）的两种干扰识别器结构，并进行了干扰识别性能仿真对比分析。仿真结果表明，这两种识别器对典型电磁干扰均具有良好的识别性能，对于瞄准式干扰、部分频带噪声干扰、噪声调频干扰和脉冲干扰，二者识别性能很接近；对于梳状多音干扰和线性调频干扰，SVM识别器比决策树识别器具有更好的识别性能。      

基于递归和SVM的特征选择方法研究

特征选择是模式识别领域的一个重要的研究方向,它可以提高分类的效率与效果。本文将递归特征排除算法与SVM决策树结合起来运用于特征选择,首先利用递归特征排除算法对所选择的特征进行初排序,然后依次将特征送入SVM决策树中进行优化评估,对数据中起显著作用的特征进行筛选,除去冗余和次要特征,得到特征子集。最后,通过对Linux主机和相关网络的27个入侵特征数据进行特征选择实验,实验结果表明,特征个数降至21个,而测试精度仍然能达到94%,从而证明本文所提出的递归和SVM相结合的方法是解决特征选择问题的一种有效方法。