纹理辅助的SAR图像SVM分类

针对SAR图像的问题设计了一种基于灰度共生矩阵的纹理特征提取辅助SAR数据进行SVM分类的方法。首先,采用Enhanced Frost滤波法进行噪声抑制处理,通过基于灰度共生矩阵的典型纹理特征的分析和比较,独立主成分分析法去除各纹理特征之间的相关性,选择信息量最大的一个主成分与经过HSV彩色合成后转换为新的RGB图像;然后对变换后的RGB图像和新RGB图像分别执行SVM分类与最大似然分类,并进行精度比较。利用SAR数据进行了实验,证明了本方法的有效性。     

基于主成分分析和支持向量机的矿井水源判别

针对传统支持向量机法判别矿井水源准确率较低的问题,选取7种水化学成分指标作为矿井水源判别的指标,采用主成分分析(PCA)和支持向量机(SVM)相结合的方法建立PCA-SVM矿井水源判别模型。以山东盛泉矿业有限公司矿井太原组灰岩含水层和奥灰含水层的水化学特征中的27个样本进行训练和检验,并与传统的支持向量机模型结果进行比较,利用PCASVM模型对矿井水源进行判别,分类准确率由66.67%提高到83.40%。研究结果表明,利用PCA-SVM矿井水源判别模型能有效消除判别指标间的相关影响,判别率较高,引进主成分分析算法是必要的。     

南疆海岛棉预试品系早熟丰产优质性状的因子-聚类分析

旨在为海岛棉新品种(系)综合评价、推广、利用以及早熟、丰产、优质亲本的选择和制定性状改良目标提供参考。利用2013—2014年新疆维吾尔自治区海岛棉53个预备试验品种(系)为材料,对供试材料20个性状进行变异性和相关性的研究,并进行因子分析和聚类分析。结果表明:海岛棉品种(系)早熟、丰产、优质性状中变异系数最大的为始节位、皮棉、伸长率,变异系数最小的是霜前花率、霜前皮棉、整齐度指数。测试指标之间存在错综复杂的关系。主成分分析表明前7个主成分的方差累积贡献率达87.25%,能够反映绝大部分性状信息;聚类分析将53个品种(系)分为4大类;在聚类分析的基础上对性状进行多元方差分析和综合评价,并提出性状改良方向。     

采用BP-ANN模型的梁柱平齐端板连接节点极限抗弯承载力预测研究

筛选文献中报道的143组试验数据，采用误差反向传播人工神经网络(BP-ANN)建立和训练了1个2层BP-ANN模型，对梁柱平齐端板连接节点的极限抗弯承载力进行了预测。该模型利用20个组件特征参数作为输入，以极限抗弯承载力作为输出。通过与传统机器学习算法预测结果对比，验证了方法和模型的有效性，并依据模型推导出一个实用简化的极限抗弯承载力数学表达式。统计分析结果显示：经过训练的BP-ANN模型，在测试集上的平均绝对百分比误差(MAPE)为5.28%,均方误差(MSE)为5.79×10^-4。另外，对特征参数进行敏感性分析，得到了组件特征对节点极限抗弯承载力的影响程度。研究结果表明：采用BP-ANN模型能够综合考虑组件特征对节点极限抗弯承载力的影响，预测结果较为准确；该模型为梁柱连接性能评估和改进提供了智能化的解决方案，可作为数值模拟和结构试验研究的有力补充。     

基于稀疏自编码特征提取的建筑逐时耗热量预测模型的性能提升

预测模型的输入特征变量对建筑耗热量预测性能具有较大的影响,为了进一步改进输入特征变量的选取,本文提出了稀疏自编码(SAE)方法对历史耗热量数据进行特征提取,并通过对比常规的线性化特征提取方法(主成分分析,PCA),分析了SAE特征提取方法分别对MLR、ANN和SVM预测模型精度的提升。应用某居住建筑实测数据对该方法进行了实验验证,结果表明:在测试数据集中,使用SAE方法提取到的特征值作为模型输入变量,MLR、ANN和SVM3个模型的预测性能均得到提升,相比于利用PCA特征提取的方法,CV值分别降低了3.8%、4.1%和4.2%。此外,SAE方法对模型性能的提升还表现在模型泛化性能地增强,在测试样本中的表现优于在训练样本中的表现。     

基于主成分与聚类分析的小豆品种综合评价

为简化评价体系、客观地评价小豆品种的优劣,采用相关、主成分及聚类方法,对30个小豆品种11个主要性状进行分析。结果表明,11个性状的变异系数在5.66%~26.38%,其中主茎分枝的变异系数最大,荚长的变异系数最小。相关分析表明,单株产量与全生育期、生育后期、株高、主茎分枝、单株荚数呈极显著正相关。主成分分析表明,11个主要性状可用5个主成分来表述(累积贡献率达92.3955%)。主成分聚类,筛选出单荚粒数、单株荚数、主茎分枝、生育前期、株高和百粒重6个因子来代替原有的11个性状指标。因此,对小豆进行综合评价时,可只考虑单荚粒数、单株荚数、主茎分枝、生育前期、株高和百粒重这6个因子,简化了评价体系;经综合评价,唐山本地的2个品种排在前2位,综合性状最好;来自东北的几个品种位居最后。     

希尼尔水库周边地下水位模拟方法对比分析

探讨人工神经网络BP-ANN(back propagation artificial neural network)和模糊神经NF(neuro-fuzzy)2种神经网络算法在希尼尔水库周边地下水位预测中的应用效果。通过经典统计分析确定影响水库周边地下水位的主要因子及模型输入因子组合,采用"试错法"确定神经网络模型的最优结构,进而开展地下水位的模拟预测。结果表明:以水库蓄水位为单输入的NF(5-gbellmf-160)为最优预测模型;神经网络模型对地下水水位的预测精度优于常规线性模型,其中NF、BP-ANN、线性模型的预测相关系数分别为0.941、0.935与0.757;均方根误差RMSE分别为0.154m、0.167m与0.284m,与BP-ANN、线性模型相比,基于模糊神经算法的NF模型具有更好的误差纠错和仿真能力。     

中华鳖5个不同群体的形态差异分析

通过对中华鳖Trionyx sinensis洞庭(DT)、黄河(HH)、黄沙(HS)、日本(RB)以及绿卡(LK)(洞庭与黄河杂交子代,DT♀×HH♂)5个不同群体16项生物学外部形态性状的测量,采用多元分析方法对其进行比较分析。聚类分析结果表明,绿卡与其母本洞庭群体先聚合,然后再与其父本黄河群体聚为一支,而黄沙和日本群体另外聚为一支,然后两支再汇聚;主成分分析得到了2个主成分,其贡献率分别为51.93%和11.02%,累计贡献率达62.95%;在16个测量参数中挑选9个对判别贡献较大的参数建立5个群体的判别函数,判别准确率为61.7%～89.5%,判别分析结果也显示,中华鳖5个不同群体分为两大支。     

SPOT5遥感影像融合方法的比较和改进

基于对HIS变换、主成分变换及小波变换三种常用融合方法所进行的实验,从信息量和光谱特征两个方面对融合效果进行对比,并对HIS变换提出两种改进方案,从而改善了HIS变换融合中的光谱失真。     

基于声发射技术的输电线路绝缘子放电模式识别

为正确判断输电线路绝缘子放电的类型,首先在时域状态下求出反应放电产生的超声波信号(放电声发射)波形特征的18个特征指标,利用主成分分析法,在这18个特征指标中提取出了四个互不相关的主成分的表达式,并解释每个主成分所代表的含义,以降低指标维数和信息重叠,提高放电模式识别的速度和准确性。其次,根据得到的特征指标,应用BP神经网络对放电模式进行识别。识别结果表明,利用放电声发射信号进行绝缘子放电模式的识别,可以有效地判断绝缘子放电的类型,该方法为电力设备的在线监测与故障诊断提供了一种新思路。