检索结果-南通市图书馆

基于GF-3全极化SAR影像多特征优选的水产养殖塘提取

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第4期38卷 206-214页

作者：柳崇斌徐佳王冬梅陈媛媛河海大学地球科学与工程学院南京211100 江苏省水利科学研究院南京210017 南京林业大学土木工程学院南京210037

高分三号作为中国首颗民用高分辨率多极化合成孔径雷达卫星,为水产养殖用地监测提供了重要的数据源。为了充分利用GF-3全极化SAR影像,该研究提出了一种基于特征优选的全极化SAR影像养殖塘提取方法。首先通过极化分解和灰度共生矩阵方法... 详细信息

高分三号作为中国首颗民用高分辨率多极化合成孔径雷达卫星,为水产养殖用地监测提供了重要的数据源。为了充分利用GF-3全极化SAR影像,该研究提出了一种基于特征优选的全极化SAR影像养殖塘提取方法。首先通过极化分解和灰度共生矩阵方法共获取了55维特征;然后对影像进行多尺度分割,并利用随机森林-递归特征消除(Random Forest-Recursive Feature Elimination,RF-RFE)算法进行特征优选;最后基于最优特征集进行随机森林分类提取了养殖塘。以南京固城湖和东台近海两个典型区为研究区,利用GF-3全极化数据进行养殖塘提取试验,结果表明,与单一极化分解方法相比,综合利用多种极化特征在一定程度上提高了总体分类精度,但仍然难以区分养殖水体和非养殖水;经过特征优选,香农熵SE及其强度分量SE_I对于养殖塘识别是很好的极化参数,而纹理特征Variance的引入有效减少了养殖水体和非养殖水体的错分;该研究方法与最大似然和支持向量机相比,总体精度最高,固城湖区域和东台近海区域分别为96.85%和94.60%,研究结果可为GF-3卫星在水产养殖塘提取方面的应用提供参考。

关键词：养殖塘信息提取高分三号极化分解特征优选

基于随机森林特征优选的雪茄烟叶晾制过程含水率预测

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第7期40卷 343-354页

作者：邢卓冉张凯刘旭东马明刘冰洋丁松爽时雅琪安继鹏高浩杰时向东河南农业大学烟草学院/国家烟草栽培生理生化研究基地/烟草行业烟草栽培重点实验室郑州450002 湖南省烟草公司怀化市公司怀化418000 中国烟草总公司郑州烟草研究院郑州450001 安徽中烟工业责任有限公司雪茄研究所合肥230088

针对雪茄烟叶晾制过程含水率人工判断主观性强、准确度低等不足,以及对影响雪茄烟叶晾制过程含水率预测的重要表观特征尚不明确等问题,该研究基于图像特征提取以及机器学习技术实现雪茄烟叶晾制过程含水率的预测。试验以雪茄烟品种“云... 详细信息

针对雪茄烟叶晾制过程含水率人工判断主观性强、准确度低等不足,以及对影响雪茄烟叶晾制过程含水率预测的重要表观特征尚不明确等问题,该研究基于图像特征提取以及机器学习技术实现雪茄烟叶晾制过程含水率的预测。试验以雪茄烟品种“云雪2号”为试验材料,获取晾制过程的烟叶图像的颜色、轮廓、纹理以及部位四类特征并筛选出雪茄烟叶含水率预测的优选图像特征子集。在此基础上,构建了随机森林(random forest,RF)、支持向量机(support vector regression,SVR)与反向传播神经网络(back propagation neural network,BPNN)模型,并利用遗传算法(genetic algorithm,GA)对各模型超参数进行优化,将原始图像特征集与优选图像特征集输入3个机器学习模型,构建出6种模型-特征组合方案,依据晾制时期对原始数据集进行划分,并对测试集进行预测。最终结果显示:GA-SVR模型+优选图像特征子集的组合方案在测试集上表现最优,其决定系数(coefficient of determination,r^(2))与均方误差(mean square error,MSE)分别为0.980和0.001,且运行时间最短(运行时长为0.128 s)。研究结果可为雪茄烟叶晾制过程智能化控制提供理论依据。

关键词：图像处理含水率随机森林特征优选雪茄烟叶

基于直方图分析和自适应遗传的雷达道路目标识别特征优选方法

在线全文

学校读者我要写书评

暂无评论

雷达学报（中英文） 2023年第5期12卷 1014-1030页

作者：瓦其日体李刚赵志纯则正华清华大学电子工程系北京100084 深圳北理莫斯科大学深圳518172 广东省智能感知与计算普通高校重点实验室深圳518172

在雷达道路目标识别领域,目标类别多变且特性相近时增加目标特征维数是一种提高识别性能常用的手段。然而特征维数的增多会导致特征冗余和维数灾难,因此需对提取的高维特征集进行优选,基于随机搜索的自适应遗传算法(AGA)是一种有效的特... 详细信息

在雷达道路目标识别领域,目标类别多变且特性相近时增加目标特征维数是一种提高识别性能常用的手段。然而特征维数的增多会导致特征冗余和维数灾难,因此需对提取的高维特征集进行优选,基于随机搜索的自适应遗传算法(AGA)是一种有效的特征优选方法。为提升AGA算法的特征优选效率和精度,现有方法通常通过引入特征与目标种类的先验相关度对高维特征集进行预降维,然而此类算法仅考虑了单个特征与目标的相关性,忽略了特征组合与目标类别的匹配度,使得优选出的特征集不一定是目标的最佳识别组合。针对该问题,该文通过引入直方图分析对不同特征组合与目标类别的匹配度加以研究,提出了一种新的改进自适应遗传(HA-AGA)特征优选方法,在提升特征优选效率和精度的同时提升目标的识别性能。基于毫米波雷达实测数据集的对比实验表明,所提出的HA-AGA方法的目标识别平均精确率可达到95.7%,分别比IG-GA,ReliefF-IAGA和改进RetinaNet方法提升了1.9%,2.4%和10.1%。基于公共数据集CARRADA的对比实验表明,所提出的HA-AGA方法的目标识别平均精确率达到93.0%,分别比IG-GA和ReliefF-IAGA方法提升了1.2%和1.5%,验证了所提方法的有效性和优越性。此外,还进行了不同特征优选方法分别结合集成装袋树、精细树和K-最邻近(KNN)分类器的性能对比,实验结果表明所提方法结合不同分类器均具有明显优势,具有一定的广泛适用性。

关键词：自适应遗传算法特征优选直方图分析目标识别毫米波雷达

采用特征优选和优化深层核极限学习机的短期风电功率预测

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2023年第1期57卷 66-77页

作者：商立群黄辰浩侯亚东李洪波惠泽张建涛西安科技大学电气与控制工程学院西安710054

针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,... 详细信息

针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,也能避免冗余信息的出现,有利于DHKELM模型的学习与训练,同时也降低了模型的复杂度。针对DHKELM超参数难确定的问题,利用改进的野犬优化算法(IDOA)对DHKELM的8个超参数进行寻优,可以发掘原始序列特征信息,从而使模型能够充分掌握数值天气预报(NWP)与风电功率之间的非线性关系。以国外某风电场真实数据为算例,结果表明:提出的预测模型相较于野犬算法、差分进化算法和粒子群优化算法的平均绝对百分比误差(MAPE)分别降低了0.979 3%、2.342 1%、3.383 2%,有效提高了风电功率的预测精度。

关键词：短期风电功率预测深层混合核极限学习机改进的野犬优化算法特征优选核主成分分析

基于样本扩充和特征优选的IGWO优化SVM的变压器故障诊断技术

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2023年第18期51卷 11-20页

作者：欧阳鑫李志斌上海电力大学自动化工程学院上海200090

为了增强变压器故障诊断模型对不平衡样本的学习能力从而提高少数类故障样本的识别精度,提出了一种基于样本扩充和特征优选的融合多策略改进灰狼算法(improved grey wolf optimizer with multi-strategy,IGWO)优化支持向量机(support ve... 详细信息

为了增强变压器故障诊断模型对不平衡样本的学习能力从而提高少数类故障样本的识别精度,提出了一种基于样本扩充和特征优选的融合多策略改进灰狼算法(improved grey wolf optimizer with multi-strategy,IGWO)优化支持向量机(support vector machine,SVM)的变压器故障诊断技术。首先,使用基于K最近邻过采样方法及核密度估计自适应样本合成算法的混合过采样技术对少数类样本进行扩充得到均衡数据集,并在此基础上采用方差分析对变压器候选比值征兆进行特征优选。然后,通过改进灰狼优化算法(grey wolf optimizer,GWO)初始化策略、参数及位置更新公式,并引入差分进化策略调整种群,提出了融合多策略的改进灰狼算法。最后,构建了一种基于混合过采样技术的IGWO优化SVM的变压器故障诊断模型,并通过多组对比实验验证了所提方法能够有效增强模型对少数类故障样本的识别能力,并提升模型的整体分类性能。

关键词：变压器故障诊断不平衡数据集混合过采样特征优选改进灰狼算法支持向量机

在线全文

学校读者我要写书评

暂无评论

高寒湿地分类的遥感特征优选研究

遥感学报 2023年第4期27卷 1045-1060页

作者：霍轩琳牛振国张波刘林崧李霞长安大学地球科学与资源学院西安710054 中国科学院空天信息创新研究院遥感科学国家重点实验室北京100094 长安大学土地工程学院西安710054

高寒湿地是青藏高原重要的地表覆盖类型之一,对于水源涵养、调节气候、维护生物多样性等起着关键作用,准确及时获知高寒湿地的时空分布对于湿地的保护和管理十分必要。遥感分类特征优选对湿地制图具有关键性的作用。虽然像光谱特征、纹... 详细信息

高寒湿地是青藏高原重要的地表覆盖类型之一,对于水源涵养、调节气候、维护生物多样性等起着关键作用,准确及时获知高寒湿地的时空分布对于湿地的保护和管理十分必要。遥感分类特征优选对湿地制图具有关键性的作用。虽然像光谱特征、纹理特征、地形特征等均在已有研究中有涉及,但鲜有研究聚焦光谱指数特征,深入探讨其数理统计特征和特征优选方法。本研究以甘肃首曲高寒湿地保护区为研究区,基于Sentinel-2数据得到各分类特征(光谱、植被指数、红边指数和水体指数),采用Filter和Wrapper特征选择方法包括Jeffries-Matusita距离、光谱角距离(SAD)、欧氏距离(ED)、RF-RFE算法和Relief-F算法对上述特征进行优选,并利用Filter方法的Z检验进行量化评价。研究表明:(1)所有参与分类的类别中,河流与裸地最容易区分,其次为草原与沼泽,沼泽化草甸与草甸较为难分。对沼泽、沼泽化草甸、草甸、草原邻近两类可尝试MCARI2、NDWI、DVI、EVI、EWI、IRECI、MCARI、TCARI、UGWI指数进行区分;(2)就不同指数特征对湿地信息提取贡献程度而言,水体指数特征>植被指数特征>红边指数特征;(3)从特征优选方法角度看,Filter方法中的ED距离算法与Relief-F算法表现突出;(4)最终选出适于高寒湿地信息提取的指数有RDVI、NDVI、MSR、RVI、VIgreen、RNDWI、NDWI、NDWI_B、MNDWI、EWI、CIre;(5)从不同分类特征的数理统计指标看,中值特征的分类结果最好,其次是平均值特征。本研究为湿地信息提取在特征变量优选方面提供了一种可迁移且普适性高的方法和思路。

关键词：遥感湿地分类高寒湿地特征优选青藏高原 Sentinel-2

面向高压断路器故障分类的电流-振动信号类聚几何敏感特征优选方法

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2023年第1期38卷 26-36页

作者：刘会兰许文杰赵书涛裘实刘教民河北省输变电设备安全防御重点实验室(华北电力大学) 保定071003 国网河北省电力有限公司保定供电分公司保定071000

针对利用电流-振动信号联合进行高压断路器故障分类过程中原始特征集维数较高,因而造成识别率低、分类性能退化的问题,该文提出一种适用于高维小样本的类聚几何敏感特征优选方法。首先,利用广义维数谱和敏感维数定量刻画经魏格纳-威尔... 详细信息

针对利用电流-振动信号联合进行高压断路器故障分类过程中原始特征集维数较高,因而造成识别率低、分类性能退化的问题,该文提出一种适用于高维小样本的类聚几何敏感特征优选方法。首先,利用广义维数谱和敏感维数定量刻画经魏格纳-威尔分布处理的振动信号时频图,结合线圈电流信号的突变信息,构建断路器完整动作过程的电-振联合多征兆域原始特征集;其次,通过定义“变异系数”细致描绘特征在样本类内和类间的波动性,由“赏函数”对类间发散性强的特征予以加权,根据特征敏感因子优选得到不同故障类型下的类聚几何最优特征集;最后,采用支持向量机和其他识别方法进行故障分类。试验结果表明采用最优特征集识别准确率明显提高,具有工程应用价值。

关键词：高压断路器电流-振动信号联合类聚几何特征优选敏感维数

基于CC-MPA特征优选算法的小麦条锈病遥感监测

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第9期53卷 217-225,304页

作者：竞霞闫菊梅邹琴李冰玉杜凯奇西安科技大学测绘科学与技术学院西安710054

为了弥补一次性建模分析的缺陷,提高小麦条锈病遥感监测模型的运行效率和精度,根据模型集群分析(Model population analysis,MPA)算法的特点,综合利用光谱区间选择算法和光谱点选择算法的优势,提出了一种联合相关系数(Correlation coeff... 详细信息

为了弥补一次性建模分析的缺陷,提高小麦条锈病遥感监测模型的运行效率和精度,根据模型集群分析(Model population analysis,MPA)算法的特点,综合利用光谱区间选择算法和光谱点选择算法的优势,提出了一种联合相关系数(Correlation coefficient,CC)与MPA的特征变量优选算法。在利用CC算法对全波段光谱进行特征变量选择的基础上,分别利用基于MPA思想开发的竞争性自适应重加权采样法(Competitive adaptive reweighted sampling,CARS)和变量组合集群分析法(Variable combination population analysis,VCPA)进一步优选对小麦条锈病敏感的特征变量,并利用偏最小二乘回归(Partial least squares regression,PLSR)算法构建了小麦条锈病遥感监测的CC-CARS和CC-VCPA模型。结果表明:联合CC MPA算法优选的特征变量构建的CC-CARS和CC-VCPA模型精度均高于CC、CARS和VCPA算法。3组验证集样本中,CC-CARS模型预测病情指数(Disease index,DI)与实测DI间的R^(2)_(V)较CC模型和CARS模型至少分别提高了6.78%和6.66%,RMSEV至少分别降低了15.31%和10.98%,RPD至少分别提高了18.08%和12.34%。CC VCPA模型预测DI与实测DI间的R^(2)_(V)较CC模型和VCPA模型至少分别提高了9.58%和0.73%,RMSEV至少分别降低了20.78%和3.86%,RPD至少分别提高了26.22%和4.02%。基于CC-MPA的光谱特征优选算法是一种有效的特征选择方法,尤其是利用CC-VCPA方法选择的特征变量数更少,模型预测效果更好,研究结果对光谱特征优选及提高作物病害遥感监测精度具有重要的参考价值。

关键词：小麦条锈病遥感监测特征优选模型集群分析变量组合集群分析法

在线全文

学校读者我要写书评

暂无评论

考虑多指标融合的电能质量扰动特征优选策略

电网技术 2023年第9期47卷 3873-3883页

作者：周晨璟邵振国陈飞雄张嫣福建省电器智能化工程技术研究中心(福州大学) 福建省福州市350108

针对电能质量扰动特征集合冗余、分离能力差,从而导致电能质量扰动分类准确率低的问题,提出考虑多指标融合的电能质量扰动特征优选策略。首先,采用希尔伯特–黄变换提取频域特征,并构造电能质量扰动的分类特征全集作为特征子集优选对象... 详细信息

针对电能质量扰动特征集合冗余、分离能力差,从而导致电能质量扰动分类准确率低的问题,提出考虑多指标融合的电能质量扰动特征优选策略。首先,采用希尔伯特–黄变换提取频域特征,并构造电能质量扰动的分类特征全集作为特征子集优选对象;其次,将相交度、冗余度、分离度指标融合并构建特征子集优选规则,并通过改进布谷鸟搜索法初选得到待选特征子集;而后,将子集维度和扰动分类准确率融合并定义为代价因子,从而评估不同维度的待选特征子集的优劣,并选择代价因子最小的特征子集作为最优特征子集;最后,采用最优特征子集训练分类模型,实现电能质量扰动信号分类。经仿真对比验证,所提策略能够获取维度较小且有利于电能质量扰动分类的特征子集。

关键词：特征优选多指标融合布谷鸟搜索法电能质量扰动分类