检索结果-南通市图书馆

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

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

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

基于多时相Sentinel-2A影像的狼毒分布识别

在线全文

学校读者我要写书评

暂无评论

草业科学 2024年第2期41卷 322-331页

作者：房家玮胡念钊王怀玉刘咏梅西北大学城市与环境学院陕西西安710127 陕西省地表系统与环境承载力重点实验室陕西西安710127

狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一,及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像,将Google Earth Engine平台去... 详细信息

狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一,及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像,将Google Earth Engine平台去云、环境要素掩膜、特征优选和随机森林分类相结合,探讨区域尺度的狼毒遥感识别方法。结果表明,通过狼毒敏感指数计算,以及Spearman秩相关性分析与随机森林重要性排序相结合的二次降维,提取了7项狼毒分类特征并构建了4个特征组合方案。与单时相特征组合相比,多时相特征组合有效提高了狼毒识别精度,其中,基于随机森林模型的6个特征组合方案的分类总精度为84.62%,狼毒分类精度均大于80%,识别效果最佳。本研究显示,影像去云及掩膜预处理能够有效减少分类干扰信息,花期前与盛花期提取的多时相特征组合增强了狼毒群落与其他群落的影像光谱差异,在区域尺度狼毒遥感识别中具有较好的应用潜力。

关键词：去云特征优选分层掩膜多时相分析随机森林敏感指数狼毒

基于无人机遥感影像和面向对象技术的荒漠草原植被分类

在线全文

学校读者我要写书评

暂无评论

草业学报 2024年第7期33卷 1-14页

作者：佘洁沈爱红石云赵娜张风红何洪源吴涛李红霞马益婷朱晓雯宁夏大学地理科学与规划学院宁夏银川750021 宁夏大学林业与草业学院宁夏银川750021 银川市银西生态防护林管护中心宁夏银川750021 宁夏贺兰山国家级自然保护区管理局宁夏银川750021

探究适合荒漠草原植被遥感分类方法,明确荒漠草原地区植物物种类型及其分布状况,可以提高荒漠草原精细化生物多样性监测能力,对于荒漠草原的保护管理与生态可持续发展均具有重要意义。以贺兰山东麓洪积扇荒漠草原典型植被短花针茅、松... 详细信息

探究适合荒漠草原植被遥感分类方法,明确荒漠草原地区植物物种类型及其分布状况,可以提高荒漠草原精细化生物多样性监测能力,对于荒漠草原的保护管理与生态可持续发展均具有重要意义。以贺兰山东麓洪积扇荒漠草原典型植被短花针茅、松叶猪毛菜、刺旋花、斑子麻黄为研究对象,利用无人机遥感影像,采用面向对象的分类回归树(classification and regression tree,CART)、K最邻近(K-nearest neighbor,KNN)、随机森林(random forest,RF)和支持向量机(support vector machine,SVM)分类方法,结合特征优选算法对影像特征进行优选,在此基础上选择最优特征进行荒漠草原植被精细化分类研究。结果表明:1)特征优选能够有效提高分类精度,应予以充分利用,当选取的特征组合为贡献度大于1.00%时,分类精度最高;2)基于无人机遥感影像挖掘的植被光谱、纹理特征,结合面向对象分类方法能有效实现贺兰山东麓荒漠草原典型植被精细化分类,其中RF分类精度最高,分类总体精度达到87.77%,Kappa系数为0.79。研究结果可为荒漠草原植被分类研究提供参考,对荒漠草原生物多样性保护管理与生态可持续发展均具有重要意义。

关键词：无人机遥感面向对象特征优选荒漠草原植被分类

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

低覆盖草地叶面积指数遥感估算方法

草业科学 2024年第3期41卷 588-598页

作者：张云峰任鸿瑞太原理工大学测绘科学与技术系山西太原030024

有效估算低覆盖草地叶面积指数(LAI),对监测低覆盖草地生长状况、优化完善草地管理具有重要意义。以往针对草地叶面积指数的研究大多集中于中高覆盖度草地,对低覆盖草地的研究相对较少。利用谷歌地球引擎(GEE),基于Landsat-8卫星数据提... 详细信息

有效估算低覆盖草地叶面积指数(LAI),对监测低覆盖草地生长状况、优化完善草地管理具有重要意义。以往针对草地叶面积指数的研究大多集中于中高覆盖度草地,对低覆盖草地的研究相对较少。利用谷歌地球引擎(GEE),基于Landsat-8卫星数据提取所需特征变量,通过特征变量与叶面积指数的相关性及其在模型中的重要性进行特征优选,确定模型最佳变量个数,以此构建机器学习模型,探寻适合在低覆盖区草地估算叶面积指数的方法。结果显示,基于相关性特征优选的梯度提升回归树模型(r-GBRT)在低覆盖草地估算叶面积指数的效果较好,测试集的R 2为0.686,均方根误差(RMSE)为0.101。结果表明,基于特征优选构建的机器学习模型在低覆盖条件下估算草地叶面积指数方面具有较好的应用价值。

关键词：叶面积指数低覆盖草地机器学习特征优选随机森林梯度提升回归树遥感

基于RF特征优选的WOA-SVM变压器故障诊断

在线全文

学校读者我要写书评

暂无评论

高压电器 2022年第2期58卷 171-178页

作者：安国庆史哲文马世峰韩晓慧杜振斌赵春琳河北科技大学电气工程学院石家庄050018 保定天威保变电气股份有限公司河北省输变电装备电磁与结构性能重点实验室河北保定071056 河北卫讯电力自动化设备有限公司河北衡水053000

为进一步提高变压器传统故障诊断方法的准确率,提出了一种基于随机森林(RF)特征优选,结合鲸鱼算法(WOA)优化支持向量机(SVM)的变压器故障诊断方法。该方法首先利用5种常见油中溶解气体构建24维待选特征集合,其次利用RF算法中MDA指标对... 详细信息

为进一步提高变压器传统故障诊断方法的准确率,提出了一种基于随机森林(RF)特征优选,结合鲸鱼算法(WOA)优化支持向量机(SVM)的变压器故障诊断方法。该方法首先利用5种常见油中溶解气体构建24维待选特征集合,其次利用RF算法中MDA指标对特征进行排序,通过序列反向搜索法优选出11维DGA特征量作为输入以消除冗余特征,最后将WOA算法用于SVM惩罚因子和核参数的优化,进而实现故障诊断。仿真结果表明,优选出的特征组合可有效提高诊断准确率,WOA-SVM故障诊断模型较PSO-SVM、GA-SVM,在诊断时间和准确率方面更具优势,验证了所提方法的可行性和有效性。

关键词：变压器故障诊断特征优选随机森林鲸鱼优化算法