基于距离判别法的雹云识别模型

【目的】提高雹云识别准确率,降低因冰雹造成的经济损失。【方法】依据气象雷达反射率图像,利用Kmeans聚类提取云层的内外轮廓,计算其距离方差;利用雷达软件提取云高数据并计算云高的一阶统计测度;将云层内外层轮廓的距离方差与云高一阶统计测度相结合,构造雹云判别模型。【结果】利用此模型对已有样本检测,可知该模型识别率判别准确率为88.75%,准确率较高。【结论】通过内外轮廓方差与云高一阶统计测度构造的距离判别模型有较好的判别效果。     

基于聚类分析的冰雹预测研究

冰雹是我国频发的气象灾害之一,冰雹云的预测是对强对流天气的重点监测对象,文中所采用的信息源图像为雷达回波反射率图像。主要从冰雹云的形态特征、基本反射率因子这两个方面进行分析计算,运用MATLAB程序提取出可能出现降雹的有效区域,进行聚类分析判别,识别出雹云单体所在的有效区域。通过对训练样本的聚类归纳总结,基于对降雹云单体的形态特征、反射强度研究的一般规律,建立判别函数。在此模型基础之上,计算出反射强度值大于45 dBZ可能出现降雹区域的概率,从中获取一个参数值,当概率大于这个预定的参数值时,则可能出现降雹天气。通过仿真实验结果表明,此模型对冰雹云的预测有良好的判别效果,可以应用到实际生活中去,做到提前预警,减少经济损失。     

基于SCIT算法的X波段天气雷达冰雹预警研究

基于SCIT冰雹识别与跟踪预警算法,是在分析冰雹云雷达反射率特征和雷达回波参量演变识别基础上,针对X波段全固态多普勒天气雷达的冰雹识别预警效果进行仿真研究。通过X波段天气雷达数据样本实例分析,研究对冰雹概率POH、强冰雹概率POSH和预期最大冰雹尺寸MEHS参数冰雹形成条件的智能识别判断,得到X波段天气雷达雹体序列号、雹体位置、雹体移动速度、雹体移动方向等模拟仿真参数信息。算法研究在冰雹识别、人工防雹中的可用性,可有针对性地进行基于位置的冰雹预警信息发布和冰雹灾害防御。     

基于支持向量机的车型分类的设计

基于支持向量机的车型分类的设计思路是通过视频采集获得车辆图像,对车辆图像进行图像预处理和特征提取后,得到分类器所需数据特征,而后采用支持向量机和二元决策树对车型分类。采用三个支持向量机的分类器和二元决策树相结合对特征数据进行分类识别,最终实现了车型分类。通过利用Libsvm(SVM模式识别与回归的软件)进行实验,取得了较好的分类效果。     

雷达回波反射率垂直剖面图的冰雹识别方法

为了更加准确地识别冰雹天气,对某地区2005—2010年间24个冰雹过程和19个暴雨过程的825个雷达样本数据进行了分析处理,建立了基于雷达回波反射率垂直剖面图的冰雹自动识别的客观模型.在分析冰雹云体形成机理和结构的基础上确定最佳剖线,并用插值法生成雷达回波反射率垂直剖面图,通过图像处理方法,提取特征数据(强回波(45,d BZ以上)与0,℃和-20,℃温度层的高度差、弱回波区和有界弱回波区的宽度和高度).然后采用粗未选集理论数据挖掘方法对相关特征数据进行处理,建立了自动识别冰雹天气的客观模型.测试结果表明:该识别模型的判别规则对28个冰雹天气过程的383个样本的正确识别命中率是82.77%,可有效地识别和预报冰雹,有助于减轻冰雹灾害天气造成的损失.     

利用相控阵雷达对2020年5月闽南一次降雹过程分析

利用厦门翔安X波段相控阵雷达,结合厦门海沧S波段双偏振雷达、风廓线雷达等多源观测资料,对2020年5月闽南沿海一次罕见大范围降雹过程进行了分析。研究表明,此次过程是一次发生在副高边缘暖湿气流控制下低层暖强迫型强对流,午后西南风超低空急流的建立极大改善了水汽及不稳定条件,地面冷锋入倒槽触发大范围强对流。相控阵雷达分析表明,降雹单体伴有低层钩状回波、有界弱回波区和回波悬垂。双偏振特征显示,冰雹的差分反射率因子(ZDR)与差分传播相移(KDP)在零值附近,相关系数(CC)低,有明显差ZDR柱。降雹阶段,强反射率因子迅速下降,ZDR柱消失,低层KDP与CC快速减小。相较于传统双偏振雷达,相控阵雷达时空分辨率高,可以更快捕捉到强对流单体云微物理特征变化,为冰雹预报预警业务提供参考。     

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。     

一种基于烟花算法优化SVM的入侵检测模型

为了提高网络安全水平,及时对网络攻击进行检测,该文提出了一种基于烟火算法优化支持向量机(SVM)的入侵检测模型。该模型选用SVM作为入侵检测算法的核心分类器对网络数据进行判别,但是由于存在SVM中最优核函数参数和惩罚因子确定较慢的问题,该文利用烟花算法加快SVM最优核函数参数和惩罚因子的确定。为了验证该模型在实际应用中的效果,通过KDD CUP 99数据集进行实验测试,与SVM、KNN和DNN算法相比,该模型能更好地对入侵检测数据进行分类和判别。     

基于SVM的遥感影像监督分类方法研究 ——以天水市三阳川地区为例

遥感影像分类技术是研究土地利用、规划与地理空间信息分析的重要技术手段,遥感影像分类的模型算法在各类遥感图像分类应用中起着重要作用.文章通过实地踏勘数据与图像纹理与光谱信息对比分析选择训练样本,对SVM支持向量机等6种分类方法进行结果分析与分类精度评定并得出结论.通过分类实验数据对比分析,得出基于SVM分类方法的精度高于...     

基于地学研究的CINRAD/CB雷达回波显示与提取

为准确显示天气雷达指定回波强度的回波区域,基于CINRAD/CB新一代天气雷达(简称CB雷达)的基数据,从地学角度提出一种CB雷达反射率因子回波的可视化方法,即将雷达基数据中的反射率因子数据采用地学中栅格数据格式进行显示。然后生成反射率因子图,结合风暴单体识别与跟踪算法(SCIT)中对风暴单体的识别模式,提出能够提取指定回波强度的雷达回波区域的方法。通过鄂尔多斯气象雷达站的CB雷达基数据提出方法并进行了验证。实验结果表明,提出的反射率因子图可视化方法可以显示雷达的反射率因子特征,针对反射率因子图提出的回波区域提取方法能够提取指定强度的回波区域。     

基于支持向量机的遥感图像分类研究

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的新型机器学习算法.通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题.从支持向量机基本理论出发,建立了一个基于支持向量机的遥感图像分类器.用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析.实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度.     

融合DRAE与SVM的网页防篡改检测

针对传统的网络安全研究如入侵检测、流量分析以及主动防御等方法需要较强的网络安全相关知识以及大量的网络训练数据，以及较高的研究门槛的问题，该研究提出一种基于Deep Residual Auto-Encoder（DRAE）与支持向量机（SVM）相结合的网页防篡改检测模型，该模型用DRAE提取网页图像特征，并输入SVM分类器判别网页是否被篡改。经过在东北农业大学范围内实验验证，结果表明，使用该模型进行网页检测的准确率高达95%，高于现有检测方法。     

基于SVM的图像分类研究

支持向量机（SVM）是一种优秀的分类方法,灰度共生矩阵（GLCM）是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法。实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高。     

带有云化核函数的SVM文本分类方法

为了简化计算,提高分类速度,在支持向量机分类基础上,将sigmoid核函数与云模型相结合,提出了一种简单的核函数的实现方法。这种方法不仅提高了SVM文本分类能力,而且明显地减少了平均的CPU执行时间。     

基于深度学习与支持向量机的低截获概率雷达信号识别

 提出了一种基于栈式自编码器与支持向量机的低截获概率（LPI）雷达信号识别方法。首先,通过Choi-Williams分布,将信号变换到时频域,获取信号的时频图像;其次,使用图像预处理方法对时频图像进行处理,得到便于自编码器处理的图像;再次,使用栈式自编码器从预处理后的时频图像中自动地提取出信号特征;最后,基于提取的信号特征使用支持向量机（SVM）对信号进行分类。本方法使用任意波形发生器（AWG）模拟产生了8类LPI雷达信号,采用栈式自编码器与支持向量机相结合的方法识别信号。仿真实验结果表明,该方法能够在低信噪比和小样本情形下有效识别LPI雷达信号。     

基于GIS的内蒙古中部地区多源雷达回波拼图

 为了做到内蒙古中部地区天气的实时监测,研究了该地区新一代天气雷达基本反射率产品和713雷达平显回波等多源雷达回波数据的拼合方法。首先阐述了两类回波数据的存储结构和格式,然后设计了两类径向数据向二维矩阵数据转换的算法,研究了该类数据转为栅格类型存储的直角坐标绘制模式,并采用ArcGIS Engine二次开发组件进行了实现。最后基于GIS技术研究了两种回波图像进行区域拼图的方法,并设计了回波图像拼合平台,其能够根据用户的选择条件实时对该地区4部雷达的回波图像进行拼合。在包头市气象局的测试应用表明,该平台可实现内蒙古中部地区天气的实时监测,同时为气象预报员制作气象预警预报提供辅助决策。     

基于SVM的图像分类研究

支持向量机(SVM)是一种优秀的分类方法,灰度共生矩阵(GLCM)是一种很好的纹理分析方法;本文研究了图像的颜色、纹理等特征对利用支持向量机进行图像分类的影响,提出了一种使用灰度共生矩阵进行综合特征提取的SVM图像分类方法.实验结果表明SVM方法的可行性和有效性,并得出图像综合特征的提取有利于分类效果的提高.     

基于PSO结合SVM的肉品新鲜度判别方法

通过测定4种肉样品(猪肉、牛肉、羊肉及虾)的挥发性盐基氮(TVB-N)、细菌总数、pH值和感官评分等指标数据,运用支持向量机方法对以上数据进行综合训练得到数学模型,并对SVM模型参数采用粒子群优化算法进行优化,拟实现肉品新鲜度的快速准确分类.结果表明:仅采用某一项理化指标对肉品新鲜度进行判定误判率较高,而采用默认参数条件下的以RBF为核函数的SVM模型能一定程度上提高判别准确率,但利用PSO优化的SVM模型能将肉品新鲜度判别准确率提高到100%,且模型还具有极好的稳定性.     

CNN边缘提取在冰雹预测中的应用

冰雹是一种破坏性较为严重的自然灾害之一.结合细胞神经网络理论对雹云进行了预测研究,选取新疆几个地区的冰雹云层图像进行分析,提供了一种简单的利用细胞神经网络边缘探测方法来判别云层图像是否降雹.在MATLAB程序进行边缘探测得到图像对应的像素矩阵数据,将矩阵数据处理得到每个图像的像素强度,像素强度小于0.8的是降雹云层,大于0.9的是无雹云层.经验证细胞神经网络理论在冰雹的预测识别中是有效的.     

基于字典学习的传统民族服饰多标签标注算法

为了实现对传统民族服饰图像文化内涵的自动挖掘,提出了基于字典学习的传统民族服饰图像多标签标注算法.该算法在原有相似系数结构不相关字典学习方法基础上,对重建系数判别能力进一步增强,实现多标签标注任务.首先,利用支持向量机(SVM)算法对重建系数进行线性分类;接着,为每一类别构建一个字典,同时对SVM分类错误的样本进行惩罚;然后,将字典与重建系数不断迭代求解;最后,利用测试样本重建误差和重建系数在分类器中的分类效果完成标签预测.实验结果证明了该方法性能上有所提升,并且在不同数据上的结果更加稳定.