基于Landsat8影像的土地利用覆盖监督分类方法对比研究

以Landsat 8遥感影像为数据源，通过对比最小距离、马氏距离和最大似然这3种分类器的分类精度，对研究区的土地利用覆盖分类方法进行研究，最大似然分类器的分类结果优于最小距离和马氏距离，总体精度为70.59%,Kappa系数为0.6187，所得分类精度较高。该研究方法可用于快速获取地区的土地利用覆盖分类，具有一定的现实意义。     

基于合成核支持向量机的高光谱土地覆盖分类

提出一种基于合成核支持向量机的高光谱数据分类方法.该方法首先对高光谱数据进行分组,对得到的不同数据组分别运用支持向量机方法进行分类参数的优化,然后组合不同的核函数来综合不同的数据组,得到最终的分类结果.利用华盛顿地区HYDICE高光谱数据对所提出的方法进行评价和验证,结果表明,基于合成核支持向量机的高光谱图像分类,可获得比传统支持向量机更高的分类精度.     

隧洞岩体质量分级的支持向量机方法

将支持向量机应用于岩体质量等级分类中,采用工程中适用性强的指标如岩石质量指标、完整性系数、单轴饱和抗压强度及结构面摩擦因数,作为判别因素.选用径向基核函数进行训练,通过交叉验证确定最佳模型参数,建立了岩体质量分级模型.该模型采用成对分类方法构建多类分类模型,与已有文献采用一对多分类法构建支持向量机多类分类模型相比,不可分区域减少很多,即模型分类精度提高显著.将该模型应用于工程实例,结果表明预测结果与工程勘测结果完全吻合,证明了支持向量机岩体质量分级方法的有效性.     

混合蛙跳算法优化的支持向量机EBPSK检测器

为了充分利用"0","1"码元经过冲击滤波器后的波形差异和有效改善基本支持向量机经典训练方法容易陷入局部最优的缺陷,设计了混合蛙跳算法优化的支持向量机EBPSK检测器.首先,从经过冲击滤波器的"0","1"码元原始数据中提取训练集和测试集,并进行归一化处理;然后,利用混合蛙跳算法的全局寻优能力在训练集空间搜索支持向量机的支持向量和分类阈值,并用训练过的支持向量机对测试集分类.将混合蛙跳算法优化的支持向量机的检测效果与基本支持向量机以及幅度积分判决进行了对比,结果表明:基本支持向量机检测效果要好于幅度积分判决,混合蛙跳算法优化的支持向量机具有更好的检测精度,检测效果优于前两者.     

基于激光诱导击穿光谱技术的废旧金属分类辨识

废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容。废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求。采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜。为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCASVM)分类模型,遗传算法结合支持向量机(GA-SVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GA-PCA-SVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GA-PCA-BP)分类模型。通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GA-SVM分类模型,490组验证样本分类准确率为93.47%。为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88.27%,证明了该分类模型具有很好的移植性和应用性。     

基于激光诱导击穿光谱技术的废旧金属分类辨识

废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容。废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求。采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜。为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCA-SVM)分类模型,遗传算法结合支持向量机(GA-SVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GA-PCA-SVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GA-PCA-BP)分类模型。通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GA-SVM分类模型,490组验证样本分类准确率为93.47%。为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88.27%,证明了该分类模型具有很好的移植性和应用性。     

一个广义三次样条光滑半监督支持向量机

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果.     

GIS支持下的山区遥感影像决策树分类研究

以福建省顺昌县为研究区,首先利用光谱、纹理等信息对森林进行初分类;在此基础上,分析各森林类型在不同地形条件下的混淆情况,借助GIS手段,建立再分类规则,实现森林分类精度的提高.从分类总精度看,再分类结果较初分类结果高出9.11%,而Kappa系数则高出0.134 8,说明GIS支持下的决策树分类可较大幅度地提高南方山地丘陵区域的森林分类精度,具有良好的应用前景.     

基于多支持向量机齿轮钢淬透性预报方法的研究

由于齿轮钢淬透性与钢的化学成分和组织结构间存在非常复杂的关系,传统方法难以建立准确的预测模型。针对这一问题,提出了一种多支持向量机的建模方法,将影响淬透性的各因素按其相关性进行分类,根据分类结果确定子模型个数和子模型的输入。同时,为保证模型具有更好的拟合精度和泛化能力,在模型的训练中采用遗传算法对支持向量机进行参数寻优。仿真结果表明,采用多支持向量机建立的钢材淬透性预测模型具有更高的预测精度。     

基于多源遥感数据融合的矿区土地利用分类方法研究

本文旨在探究利用多源遥感数据融合结合机器学习算法实现土地利用分类的可行性。以冬瓜山矿区及其周边区域作为研究对象,基于NND(Nearest Neighbor Diffusion)融合算法实现哨兵2(Sentinel-2)数据与中巴地球资源卫星04星（CB04）全色数据的融合,并基于融合后的5m分辨率影像实现了建模方法的优选,进行了全区范围内的土地利用分类。实验表明,利用影像融合方法可在保留哨兵2光谱信息的同时有效提升空间分辨率。而在三种机器学习算法下,基于随机森林算法所建分类器整体精度较高,其Kappa系数达到了0.9以上。上述结果则表明,利用多源遥感数据融合与随机森林算法来实现土地利用分类是可行的,该方法不仅可以有效提升影像的空间分辨率,也在一定程度上实现了土地利用分类细化。     

基于遗传算法优化的支持向量机品位插值模型

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性.     

一种用于电力变压器故障识别的理论方法研究

支持向量机方法基于小样本的统计学习理论,其本质上是个优化和分类问题。本文设计了一种使用遗传算法优化多分类支持向量机参数,并将参数优化后的多分类支持向量机用于电力变压器故障识别的方法。该方法对色谱分析法检测到的特征气体含量进行数值预处理,提取出故障识别所需要的n+1个特征量,然后利用数值预处理后得到的数据样本对多分类支持向量机进行训练和识别,通过输出结果判断变压器所处的状态,以达到设备状态监测的目的。     

回转干馏炉内油页岩停留时间模型建立及其预测

为了提高估算MRT精度,文中采用支持向量机算法对求解MRT问题进行了建模,并在一定约束条件下,利用Gridregression.py寻找回归最优参数方法对支持向量机模型的参数进行了优化,获得了最优的模型参数.支持向量机模型将操作参数和结构参数作为输入量,MRT作为输出量,用实验数据对模型进行了校验和参数的寻优,利用优化后的模型对MRT进行了预测,并将预测结果与实验结果进行了对比,结果表明,优化后的支持向量机模型实现了对MRT较精确的预测.通过实验值和运动模型构建了平均停留时间的经验公式,结果表明:该平均停留时间经验公式的拟合曲线相对均方差为0.05,拟合效果良好.     

基于支持向量机算法的金属加工计算机自动化调控切换技术

金属加工时一个精密过程,需要计算机进行自动化调控和刀具的切换。提出一种基于支持向量机算法的金属加工计算机自动化调控切换技术。采用支持向量机算法进行金属加工计算机自动化调控的约束参量分类处理,提取控制信号的主特征量,实现对金属加工的计算机自动化自适应控制和刀具切换。仿真表明,该调控算法精度较高,自适应性较好。     

基于KPCA-GWO-SVM模型的岩爆预测及应用

岩爆是采矿、水利等工程的主要灾害之一，准确预测十分关键。选取应力系数σ_θ/σ_c、脆性系数σ_c/σ_t和弹性能量指数W_et作为分级预测指标，提出基于灰狼优化算法优化的支持向量机模型，采用核主成分分析对数据进行处理，建立岩爆预测的KPCA-GWO-SVM模型，预测结果表现出良好的分类性能。将建好的模型用于冬瓜山铜矿，并与BP神经网络模型进行对比，结果表明，KPCA-GWO-SVM模型是一种岩爆烈度高精度分类的有效工具。     

自适应动模式分解和GA-SVM在行星轴承故障分类中的应用

行星齿轮箱在运行过程中由于齿轮间的相互作用会产生强噪声,导致行星轴承的故障特征被完全淹没在背景噪声中并难以提取,从而使得行星轴承故障分类的准确率较低.本文提出一种自适应动模式分解(ADMD)和遗传算法优化支持向量机(GA-SVM)的行星轴承故障分类方法.首先,针对传统动模式分解(DMD)中截断秩无法准确选取的问题,定义了一种新的适应度函数,并采用改进的蚱蜢优化算法(IGOA)自适应选取最优截断秩,进而实现对原始振动信号的降噪处理.然后对处理后的信号计算其归一化后的复合精细多尺度离散熵(IRCMDE)并构成特征矩阵.最后采用遗传算法优化支持向量机,构建GA-SVM分类模型,并将其应用到行星轴承故障诊断中.利用行星齿轮箱中行星轴承故障数据验证了此方法的有效性和实用性,最终分类结果为96.43%,表明了该方法可以准确识别出行星轴承的故障类型.     

基于样条函数的光滑支持向量机模型

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型.     

基于ENVI的遥感图像分类方法研究比较

基于监督分类方法在遥感图像分类中已经普遍应用。本研究对同一遥感图像运用平行六面体分类、最小距离分类、最大似然法分类、面向对象-支持向量机法以及面向对象-K临近法这几种方法进行分类,并对分类结果进行对比,从而分析这几种方法分类精度之间的差异。     

基于主成分分析与遗传算法-支持向量机的喷溅预测方法

针对冶炼过程喷溅特征提取及喷溅预测困难的问题,提出基于小波包变换与主成分分析的优化参数模型的支持向量机喷溅预测方法。该方法经小波包变换将冶炼喷溅的噪声和氧枪振动信号分解为不同频带的信号。由于不同频带的信号出现相互干扰和堆叠,因此通过主成分分析将频带能量降维分离成不同频带,进而将这些处理后的信号作为喷溅特征向量。对支持向量机模型参数(C、g)进行遗传算法优化,通过支持向量机对喷溅的分类及预测,验证了该方法的有效性。实验结果表明：经小波包变换和主成分分析获得的特征信号能够准确地反应喷溅特征,提出的支持向量机方法具有较好的分类性能,喷溅预测准确率较高。     

基于时-频分析的步态模式自动分类

针对不同路况和运动模式下的高维、非线性、强耦合和高时变下肢加速度信号的识别问题,提出了一种基于时——频分析的步态模式自动分类方案.利用三轴加速度传感器采集运动时小腿在矢状面、冠状面和横切面的加速度信号,利用五阶Daubechies小波基对其进行特征提取,并采用线性判别式分析进行降维,最后利用决策树和支持向量机对得到的精简步态特征进行模式分类.实验结果显示两种分类器的总体分类准确率均达到90%以上,个别步态分类可达到100%,验证了特征提取和降维方法的合理性和有效性.