检索结果-南通市图书馆

基于Sentinel-2数据多特征优选的农作物遥感识别研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自然资源遥感 2023年第4期35卷 292-300页

作者：陈健李虎刘玉锋常竹韩伟杰刘赛赛安徽师范大学地理与旅游学院芜湖241003 滁州学院计算机与信息工程学院滁州239000 资源环境与地理信息工程安徽省工程技术研究中心芜湖241003

本研究以滁州市全椒县为研究区,借助GEE平台,基于Sentinel-2卫星数据构建光谱特征、传统植被指数特征、红边植被指数特征、纹理特征等90个特征,选用基于随机森林的递归特征消除算法(random forest-recursive feature elimination,RF_RFE... 详细信息

本研究以滁州市全椒县为研究区,借助GEE平台,基于Sentinel-2卫星数据构建光谱特征、传统植被指数特征、红边植被指数特征、纹理特征等90个特征,选用基于随机森林的递归特征消除算法(random forest-recursive feature elimination,RF_RFE)、基于Relief拓展的Relief F算法、基于相似性的特征优选算法(correlation-based feature selection,CFS)结合随机森林分类器对农作物种植类型进行识别,探究不同的特征优选算法在农作物遥感识别中的效果优劣。在此基础上,进一步分析最佳特征优选算法在不同机器学习分类方法中的分类效果。研究表明:①光谱特征在农作物识别中最为重要,其次是红边指数特征,纹理特征影响较小;②基于RF_RFE特征优选方法的遥感识别结果精度最好,总体精度为92%,Kappa系数为0.89;③在RF_RFE特征优选方法下,随机森林(random forest,RF)的Kappa系数比支持向量机分类(support vector machine,SVM)和最小距离分类(minimum distance classification,MDC)分别高0.01和0.41,说明基于多特征的RF_RFE特征优选方法结合RF算法可以有效提高农作物遥感识别精度和效率。

关键词： Google Earth Engine Sentinel-2 农作物识别特征优选随机森林

特征优选结合UPerNet-ConvNeXt的遥感影像桉树提取研究

在线全文

学校读者我要写书评

暂无评论

特征优选结合UPerNet-ConvNeXt的遥感影像桉树提取研究

作者：韦嫦桂林理工大学

学位级别：硕士

桉树是重要的用材林树种,具有生长速度快、适应性好及产量高等特点,可用于造纸、炼油、建筑、家具等多重用途。然而桉树不科学种植方式对生态环境产生一定的负面影响,如占用耕地和基本农田种植,导致耕地、基本农田被破坏等,因此快速、... 详细信息

桉树是重要的用材林树种,具有生长速度快、适应性好及产量高等特点,可用于造纸、炼油、建筑、家具等多重用途。然而桉树不科学种植方式对生态环境产生一定的负面影响,如占用耕地和基本农田种植,导致耕地、基本农田被破坏等,因此快速、准确掌握桉树分布信息,对科学种植及桉树治理尤为重要。利用遥感影像提取桉树已成为重要的技术手段,但在桉树提取特征选取与组合,结合新兴深度学习模型等方面仍有进一步的提升空间。因此,本文以广西南宁市西乡塘区与隆安县交界处区域为研究区,基于随机森林基尼指数及OOB精度,对预处理后的研究区Sentinel-2A和OHS影像进行特征优选,并结合本文新组合的UPerNet-ConvNeXt网络模型进行桉树提取,同时与其他不同特征组合方案及FCN、Unet、DeepLabV3和UPerNet网络模型桉树提取对比。结果表明:(1)桉树提取精度和效果最优的特征优选变量,Sentinel-2A影像为b3、b2、b4、NDeI、NDVI、b12、RVI和b5,OHS影像为B8、B7、B6、B10、B11、B9、B12、B16、B5、B13、B14、NDeI、RVI、NDVI和B15。(2)基于光谱反射率信息结合桉树特性创建的桉树指数NDeI表现出良好效果,能有效提高桉树提取精度,结论在Sentinel-2A影像成立,使用OHS影像验证也成立。加入NDeI后,UPerNet-ConvNeXt网络模型桉树提取语义分割Sentinel-2A影像的F1分数提升0.24%,IoU提升0.40%,而OHS影像的F1分数则提升0.30%,IoU提升0.51%。(3)基于优选的特征进行桉树提取能够有效缩短模型训练时间和提高桉树提取语义分割精度,结论在Sentinel-2A影像成立,使用OHS影像验证也成立。UPerNet-ConvNeXt网络模型桉树提取语义分割Sentinel-2A影像的F1分数提升0.77%,达91.96%,IoU提升1.3%,达85.11%,训练时间减少了24分钟,而OHS影像的F1分数提升0.67%,达91.24%,IoU提升1.15%,达83.88%,训练时间减少2小时39分钟。(4)基于本文UPerNet-ConvNeXt网络模型能够有效提高桉树提取语义分割效果,结论在Sentinel-2A影像成立,使用OHS影像验证也成立。与FCN、Unet、DeepLabV3及UPerNet原始模型对比,在相同特征组合方案下,本文UPerNet-ConvNeXt网络模型桉树提取语义分割效果更显著,错分、漏分现象更少,分割边缘更细致,桉树提取精度F1分数和IoU从高至低依次皆为UPerNet-ConvNeXt>Unet>UPerNet>FCN>DeepLabV3。

关键词：桉树提取语义分割特征优选桉树指数 UPerNet-ConvNeXt

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地球科学与环境学报 2023年第3期45卷 511-521页

作者：王利张懿恺舒宝许豪魏拓雷体俊长安大学地质工程与测绘学院陕西西安710054 地理信息工程国家重点实验室陕西西安710054 长安大学西部矿产资源与地质工程教育部重点实验室陕西西安710054

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信... 详细信息

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子;然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列;最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明:在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法;基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。

关键词：黄土滑坡变形监测多源数据融合多点位监测加权关联度特征优选逐步回归黑方台

应用面向对象结合多时相哨兵-2A影像特征优选的毛竹林分布信息提取

在线全文

学校读者我要写书评

暂无评论

东北林业大学学报 2023年第1期51卷 61-68,87页

作者：张旷典郭孝玉康继刘健福建农林大学福州350028 三明学院福建省资源环境监测与可持续经营利用重点实验室(三明学院)

提出一种面向对象及随机森林特征优选的分类方法,为毛竹林分布信息提取提供参考。依据多时相哨兵-2A(Sentinel-2A)卫星数据提取光谱特征、植被指数及红边植被指数特征、纹理特征共69个特征;设计8种特征组合方案,方案1~5为多时相方案,其... 详细信息

提出一种面向对象及随机森林特征优选的分类方法,为毛竹林分布信息提取提供参考。依据多时相哨兵-2A(Sentinel-2A)卫星数据提取光谱特征、植被指数及红边植被指数特征、纹理特征共69个特征;设计8种特征组合方案,方案1~5为多时相方案,其中方案1——光谱特征波段;方案2——光谱特征波段+植被指数特征+红边植被指数特征;方案3——光谱特征波段+纹理特征;方案4——光谱特征波段+植被指数特征+红边植被指数特征+纹理特征;方案5——光谱特征波段+植被指数特征+红边植被指数特征+纹理特征+特征优选;方案6、7和8为3个单时相影像分类,将其分类结果与其他多时相方案进行对比。采用随机森林算法进行特征优选的毛竹林分布信息提取。结果表明:(1)多时相Sentinel-2A数据的短波红外波段特征、红边波段特征及红边植被指数特征在分类时重要性程度高,对毛竹林分布信息提取贡献度大;(2)使用随机森林面向对象的分类方法能够有效的减少“椒盐现象”;(3)所有特征参与并由随机森林算法特征优选的方案5对毛竹林的分布信息提取效果最佳,总体精度为85.94%,Kappa系数为0.7852,表明随机森林算法能够进行特征优选同时保持精度较高的毛竹林提取效果。因此,面向对象结合多时相Sentinel-2A影像,利用随机森林进行特征优选和分类的方法能够较为有效地提取毛竹林分布信息。

关键词：面向对象哨兵-2A卫星随机森林算法特征优选毛竹林分布信息

基于特征优选随机森林算法的GF-2影像分类

在线全文

学校读者我要写书评

暂无评论

航天返回与遥感 2022年第2期43卷 115-126页

作者：杨迎港刘培张合兵张文志河南理工大学测绘与国土信息工程学院焦作454003 海南省海洋与渔业科学院海口570100

基于随机森林算法(RF,RandomForest)对“高分二号”(GF-2)卫星遥感数据进行面向对象地表信息提取时存在如下不足:1)有限的光谱波段导致随机森林可选特征变量受限,影响分类器性能;2)面向对象影像分割尺度以经验判别为主,缺少定量化的判... 详细信息

基于随机森林算法(RF,RandomForest)对“高分二号”(GF-2)卫星遥感数据进行面向对象地表信息提取时存在如下不足:1)有限的光谱波段导致随机森林可选特征变量受限,影响分类器性能;2)面向对象影像分割尺度以经验判别为主,缺少定量化的判定标准。为了克服上述问题,文章提出了一种优化特征空间的随机森林分类算法。首先根据面向对象分割的理论方法,引入方差变化率,获取研究区影像的最优分割尺度;然后利用随机森林–平均精度减少模型(RF-MDA,Random Forest-Mean Decrease in Accuracy)与K折交叉验证算法(K-CV,K-Cross Validation),进行特征重要性排序并优化特征空间;最后,基于不同特征组合的随机森林分类算法进行面向对象分类,并对分类结果进行对比分析。结果表明,改进的基于特征优选随机森林分类算法的总体精度和Kappa系数分别为93.44%和0.928,优于原始RF算法。该方法能够有效提高GF-2卫星遥感影像在土地利用分类方面的精度,可为国土监测和管理提供技术支持和理论指导。

关键词： “高分二号”卫星遥感影像特征优选随机森林面向对象分类最优分割尺度

CryoSat-2雷达高度计海冰波形优选特征分类

在线全文

学校读者我要写书评

暂无评论

测绘通报 2023年第5期 164-169页

作者：吴斌王志勇李兴田康山东科技大学测绘与空间信息学院山东青岛266590

监测海冰的类型变化或厚度变化是较为有效的海冰监测方式,本文通过CryoSat-2雷达高度计对北极海冰类型开展研究。利用雷达高度计对北极海冰进行分类,一方面是难以挑选出最优特征参数,另一方面单一的雷达高度计数据难以实现海冰的相对精... 详细信息

监测海冰的类型变化或厚度变化是较为有效的海冰监测方式,本文通过CryoSat-2雷达高度计对北极海冰类型开展研究。利用雷达高度计对北极海冰进行分类,一方面是难以挑选出最优特征参数,另一方面单一的雷达高度计数据难以实现海冰的相对精细化分类。针对以上问题,本文构建了一种利用卡方检验、互相关信息及Wrapper包装法组合的特征优选方法,利用该方法挑选出的特征子集(SSD+Sigma0+LTPP+PP+SK+LEW)结合随机森林分类法将北极地区的雷达高度计数据分为海水、一年薄冰、一年厚冰及多年冰。本文方法在训练集分类正确率为93.32%,验证集正确率为92.42%,Kappa系数为0.90,均优于其他特征组合,可以基本实现对北极地区海冰的有效分类,同时分类结果也有助于海冰厚度的反演。

关键词：波形分类特征优选雷达高度计北极海冰 CryoSat-2

协同Sentinel-1/2多特征优选的甘蔗提取方法

在线全文

学校读者我要写书评

暂无评论

自然资源遥感 2023年

作者：卢献健张焕铃晏红波黎振宝郭子扬桂林理工大学测绘地理信息学院

协同多源遥感影像、融合多特征参数是目标地物精确识别的有效方法,但过多的特征参数会造成数据冗余,降低分类精度。本文以岩溶地貌甘蔗种植区为例,使用Sentinel-1、Sentinel-2影像数据以及SRTM数字高程数据提取研究区地物的光谱特征、... 详细信息

协同多源遥感影像、融合多特征参数是目标地物精确识别的有效方法,但过多的特征参数会造成数据冗余,降低分类精度。本文以岩溶地貌甘蔗种植区为例,使用Sentinel-1、Sentinel-2影像数据以及SRTM数字高程数据提取研究区地物的光谱特征、指数特征、纹理特征、地形特征和极化特征,其中,指数特征考虑了众多遥感传感器少有的红边波段计算的红边指数,纹理特征加入了雷达影像纹理。在实验中设计了6种方案探讨不同影像特征以及基于随机森林优选的最佳特征组合对甘蔗提取的影响。结果表明:在光谱特征叠加不同特征类型对研究区地物进行分类的情况下,不同特征类型重要性排序为,光谱特征>指数特征>纹理特征>地形特征>极化特征;6种方案中基于随机森林算法构建的优选特征方案融合了不同特征变量,其甘蔗提取效果最佳,用户精度和生产者精度都高于97%,总体精度为95.49%,Kappa系数为0.94。

关键词：多源遥感精准识别随机森林特征优选红边波段极化特征

基于MIC-SSA-SVM的时间敏感网络配置可行性检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

昆明理工大学学报（自然科学版） 2024年第1期49卷 73-82页

作者：唐铖杰王澄郇战陈林常州大学微电子与控制工程学院江苏常州213000 常州大学计算机与人工智能学院江苏常州213000

时间敏感网络(TSN)通过精准的时钟同步、高精度的流量调度和智能化的网络管控机制实现多业务流混合传输.高效的网络配置检测技术是网络安全稳定运行的关键保障,它可以快速检测网络配置是否可行,降低网络运维成本,提高网络使用效率.为了... 详细信息

时间敏感网络(TSN)通过精准的时钟同步、高精度的流量调度和智能化的网络管控机制实现多业务流混合传输.高效的网络配置检测技术是网络安全稳定运行的关键保障,它可以快速检测网络配置是否可行,降低网络运维成本,提高网络使用效率.为了提高TSN网络配置检测的效率,本文提出一种基于特征优选和麻雀搜索算法优化支持向量机的算法模型(MIC-SSA-SVM).文中首先采用最大信息系数(MIC)来评估特征的相关性,进行特征优选.接着,选择SSA来对SVM的惩罚因子C与核参数g进行优化,并利用优化后的SVM算法模型实现TSN网络配置可行性检测.实验结果表明,相比于现有算法,所提出的模型在检测TSN网络配置可行性方面更加高效,分类准确率能达到97.6%.而且模型收敛速度快,寻优能力强.

关键词：时间敏感网络特征优选最大信息系数麻雀搜索算法支持向量机

基于特征优选和机器学习的塔里木盆地东缘绿洲土壤镉元素含量预测及健康风险评价

在线全文

学校读者我要写书评

暂无评论

环境科学 2023年

作者：刘靖宇李若怡梁永春刘磊尹芳唐塑何林森张毅长安大学地球科学与资源学院中国地质调查局乌鲁木齐自然资源综合调查中心中国自然资源航空物探遥感中心长安大学土地工程学院中国地质调查局西安矿产资源调查中心

土壤重金属污染对粮食安全、人类健康和土壤生态系统均造成重大威胁。基于塔里木盆地东缘典型绿洲区获取的644个土壤样品，运用多元线性回归(LR)、神经网络(BP)、随机森林(RF)、支持向量机(SVM)和基于径向基函数神经网络(RBF)方法构建... 详细信息

土壤重金属污染对粮食安全、人类健康和土壤生态系统均造成重大威胁。基于塔里木盆地东缘典型绿洲区获取的644个土壤样品，运用多元线性回归(LR)、神经网络(BP)、随机森林(RF)、支持向量机(SVM)和基于径向基函数神经网络(RBF)方法构建土壤重金属预测模型，利用最优预测结果分析重金属污染的空间分布特征与健康风险。结果表明：①研究区ω(Cd)均值为0.14 mg·kg-1，是新疆土壤背景值的1.17倍，是区内土壤重金属污染的主要因子；区内成人和儿童Cd元素致癌风险系数均小于10-4，对人类无明显的长期健康风险影响。②对比5种反演模型的预测精度，RF模型验证集R2值为0.7637，在5种模型中最大；且其RMSE、MAE和MBE值在5种模型中最小，土壤Cd元素实测值与RF模型的预测值拟合效果最佳。同时，基于RF模型的研究区土壤Cd含量空间分布预测结果与实测样点插值结果具有较好的一致性。③在土壤Cd元素健康风险预测中，RF模型对成人与儿童的反演精度均优于其他4种模型，预测结果较好；LR模型验证集预测值变化幅度大，预测结果较差。综上，RF模型具有较好的泛化能力和抗过拟合能力，为研究区土壤Cd含量预测和健康风险评价的最优模型。

关键词：镉(Cd) 含量预测健康风险评价机器学习特征优选