基于支持向量机的土壤有机质高光谱反演

为寻找一种土壤有机质快速检测技术,探究了土壤有机质含量对光谱反射率曲线的影响,分析了土壤有机质与光谱曲线间的相关性关系,采用多元逐步回归和支持向量机建立土壤有机质含量高光谱预测模型。研究结果表明:研究区土壤有机质含量对光谱曲线影响较小;光谱平滑和变换技术可以有效提高光谱特征波段与土壤有机质的相关性关系,二阶微分变换的效果最好,相关系数为-0.83;通过决定系数和均方根误差对不同模型的预测效果进行评价,其中基于二阶微分的支持向量机模型的反演效果最优R~2=0.89,RMSE为1.73。研究结果揭示了研究区土壤有机质与光谱反射率间的相关性关系,可以为实现土壤有机质快速检测和实时动态监测提供技术支持和参考。     

基于提取不同中红外光谱特征信息的烟叶部位判别研究

中红外光谱(MIR)分析技术在烟草中有广泛的应用,利用中红外分析可以获取烟草中大量化学信息.为了提高谱图的信噪比,需要对谱图数据进行预处理.研究发现对烟叶中红外光谱数据进行一阶导数结合Savizky-Golay的预处理,不仅提高了信噪比,而且增加了烟叶部位分类判别的准确率.另外,对谱图数据进行降维处理,有利于提取中红外谱图信息,减少冗余数据,减少计算时间.本文对比了基于原始中红外谱图数据、连续投影算法(SPA)特征提取后数据、偏最小二乘法(PLS)降维特征提取后数据的烟叶部位分类判别准确率,结果表明PLS降维特征提取可以有效提取烟叶中红外光谱数据的特征信息,有利于烟叶部位分类判别准确率的提高.利用PLS提取烟叶中红外特征信息数据建立的烟叶部位支持向量机(SVM)分类判别模型,其建模、留一法和独立测试集的准确率分别为:96.00%、89.60%和80.65%.     

基于支持向量回归的土壤全氮含量高光谱估测研究

以许昌灌溉试验站为研究区,实地采集81个土壤样本数据,在室内实验条件下利用ASD地物波谱仪采集土壤的反射光谱,结合化学测定的土壤全氮数据进行去包络线、一阶微分以等七种不同种类的光谱变换形式的相关分析,筛选出估测土壤全氮的特征波段,以特征波段为自变量建立基于支持向量机(SVR)的土壤全氮高光谱反演模型.结果表明:全氮特征波段集中在800～1100 nm、1300～1800 nm以及2100～2300 nm;以RBF为核函数,SD变换筛选的特征波段为自变量的SVR反演模型效果最好,该模型的决定系数(R²)为0.83,均方根误差(RMSE)为0.97 mg/kg.     

基于支持向量机的高光谱遥感影像道路提取

为了从高光谱遥感影像中高精度提取各种线形道路,提出了基于支持向量机（SVM）的道路特征快速提取算法,首先利用PCA对高光谱影像进行合理压缩,由SVM模式识别理论推导出该算法具有快速精确提取道路网信息的能力,针对高光谱遥感影像高信息量和道路网复杂度高的特点,提出基于1Vm（一对多算法）的多种道路SVM一次性高精度提取的多分类策略,在提高精度的同时,兼顾了道路特征识别的效率。研究结果表明：SVM对线状道路模式判别能力比常规方法有更强的优势,对小样本的道路识别效果更加明显,从遥感影像中不仅能准确地辨别出道路的线形特征,还能识别出其材质和类型;该算法能同时识别出多种道路,执行效率更高。     

基于支持向量机的快速高光谱分类研究

提出了一种基于支持向量机的快速高光谱分类方法.首先采用基于主成分分析和Bhattacharyya距离的方法进行特征降维,然后通过二叉树的支持向量机(Binary tree of SVMs,BTS)来减少一次分类所需的两类支持向量机个数,最后采用简化支持向量技术进一步减少支持向量的数量.实验采用真实高光谱数据,并与4种其他方法进行比较.结果表明,该方法能有效地加快分类速度.     

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。     

基于改进的MIMLSVM预测蛋白质功能

针对MIMLSVM算法预测精度不高的问题,设计了一种新的基于改进MIMLSVM预测蛋白质功能模型.首先,采用改进的Hausdorff方法计算包之间的空间距离,并结合K-Medoids方法将MIML(多示例多标签)问题退化为多标签问题,以提高预测精度;然后,利用SVM算法将多标签问题转化为多个独立的二分类问题,结合蛋白质数据的特点,建立蛋白质功能预测模型,并利用粒子群算法优化模型参数;最后,通过对7种生物蛋白质功能预测的实验,证明所建模型的优越性.     

基于激光雷达数据的仓储物流AGV障碍物识别方法

针对智能仓储中AGV避障问题,提出了一种使用激光雷达识别AGV前方障碍物类别的方法,以便结合障碍物位置信息辅助AGV做出合理的决策.首先,将激光雷达数据进行滤波、聚类,得到纯度高的聚类簇;然后,通过提出的特征提取方法提取得到特征向量;最后,使用粒子群优化算法(PSO)在训练集上寻找径向基核(RBF)支持向量机(SVM)的最优参数,并训练得到模型.该方法在智能仓储模拟环境的数据集上测试,准确度达到了94.58%,可以准确、有效地对AGV前方障碍物进行识别.     

基于自适应支持向量机的磨粒识别技术研究

通过对铁谱磨粒类型进行识别,可有效监测机械装备磨损状态,有利于尽早发现和消除故障隐患。对粒子群优化算法进行改进,采用改进的粒子群算法同时优化支持向量机的惩罚参数和核函数参数,建立了自适应磨粒识别模型。通过对磨粒样本进行仿真实验,识别正确率达到98%,并与BP神经网络方法进行对比,结果表明了该方法的有效性及优越性。     

基于PSO-SVM的某型潜射导弹武器系统效能评估

分析了某型潜射导弹武器系统的战术、技术指标,利用粒子群算法对支持向量机的参数进行了优化,提出了一种基于PSO-SVM的某型潜射导弹武器系统效能评估方法,介绍了该方法在武器系统效能评估中的具体应用,并以仿真计算的方法对得出的武器系统效能评估方法进行了验证。     

基于SVM与RF的无人机高光谱农作物精细分类

农作物精细分类是农业遥感的关键一步,无人机高光谱遥感为农作物精细分类提供了高效有利的途径.为了快速准确地实现农作物信息提取和分类,获取了研究区无人机高光谱影像,对影像开展一阶导数变换等预处理,并以此为基础对初始影像、一阶导数(FD)影像做MNF降维变换、特征波段选择等特征提取,从而获得初始影像、FD影像、MNF影像以及FD-MNF影像.最后应用SVM和RF建立了研究区4类典型农作物遥感判识模型,并采用Kappa系数和总体精度等评价参数对分析结果进行评价.研究结果表明,RF分类模型结果精度高达88%以上,同类影像RF分类结果精度比SVM高1%～5%,且与SVM方法相比RF对研究区农作物植株的提取效果更优;光谱曲线经一阶导数变换后只突出了大豆作物的光谱信息,导致分类结果精度降低;在所有分类模型中影像经MNF降维变换后分类效率及影像分类精度均有提高.采用无人机高光谱影像对研究区主要农作物进行精细分类,为后续研究区内农情监测等提供了有力的依据和支撑.     

高光谱遥感信息智能处理的若干理论与技术问题

高光谱遥感信息处理自动化与智能化具有重要的理论意义和实用价值。作为有效的机器学习算法,支持向量机具有适用高维特征、小样本与不确定性问题的优越性,是一种极具潜力的高光谱遥感分类方法,但需要解决多类问题分类策略、核函数选择与优化、不确定性控制等问题。对高光谱遥感数据挖掘的若干基本问题进行了分析,在构建其框架体系与处理流程的基础上,探讨了可以发现的知识类型、典型的挖掘模式,并分析了一些主要挖掘算法和关键技术。     

基于图像欧氏距离的人脸描述和识别方法

采用图像欧氏距离将灰度值及其坐标关系相结合用于表征人脸,使之对于图像的短距离晃动比较鲁棒,同时将图像欧氏距离应用于模糊支持向量机中.采用ORL人脸库进行分类实验,并与已发表论文的实验结果进行比较,验证了该方法的有效性.     

基于支持向量回归机和粒子群算法的改进协同优化方法

研究基于支持向量回归机和粒子群算法的改进协同优化方法.阐述了协同优化方法和支持向量回归机方法基本原理,为有效解决系统级优化协调困难问题,改善收敛性能,提高收敛速度,采用支持向量回归机构造系统级约束条件的近似模型,引入粒子群算法求解系统级和学科级优化问题.仿真计算结果表明,设计的协同优化方法可有效求解多学科设计优化问题,...     

基于GAPSO-SVM的航空发动机典型故障诊断

针对遗传算法（GA）和粒子群优化（PSO）算法优化支持向量机（SVM）存在容易陷入局部最优解、诊断精度相对较低、鲁棒性较差的问题,提出了一种结合GA、PSO、模拟退火算法的GAPSO优化算法,利用这种算法对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对航空发动机典型故障的诊断研究表明,该方法不仅能够取得良好的分类效果,诊断精度高于BP神经网络、自组织神经网络、标准SVM、GA-SVM,而且有较好的鲁棒性,更适合在故障诊断中应用.     

基于混合仿生算法的SVM参数优化

本文提出一种SVM参数优化的新方法.应用遗传算法先对SVM参数进行初步的优化,把得到的优化结果邻近的一段区域再作为粒子群算法的搜索区间进行二次优化,以提高支持向量机的泛化能力,缩短SVM参数寻优的时间.仿真实验表示,该方法在样本数据缺失的情况下,同样具有较好的泛化能力.     

基于高光谱的大叶女贞叶片水分定量测定

较传统水分化学检测法相比,高光谱是一种新兴的简单、快速、无损、原位的绿色检测方法.大叶女贞是一种具有经济、医药、欣赏价值的树种,研究价值较高,然而有关高光谱对其的研究鲜有报道,将其作为研究对象,利用可见近红外高光谱采集40个叶片样本的高光谱数据,利用ENVI 4.7从中提取出反射光谱数据,在MATLAB7.0平台对光谱数据进行直接正交信号校正(DOSC)预处理后,采用共生矩阵法(SPXY)选取30个样本作为建模集,其余作为预测集,构建支持向量回归(SVR)模型,然后在此全波段建模基础上采用自适应权重采样法(CARS)、连续投影变换(SPA)等波段筛选法进行特征波段建模分析,结果表明DOSC-SPA-SVR模型效果最优,预测平方相关系数R2p=0.974 3,预测均方根误差(RMSEP)为4.4×10-5,较全波段模型相比,精度相当甚至有所提升,模型简单、稳定,能够用于对女贞叶片水分进行快速无损的定量分析,为其他作物营养诊断和精准灌溉提供一定的参考价值,减少水资源的浪费.     

基于粗糙集优化支持向量机的泥石流危险度预测模型

为准确预测泥石流危险度,提出了基于粗糙集理论(RS)的粒子群算法(PSO)优化支持向量机(SVM)模型。首先离散化泥石流样本数据形成初始决策表,利用粗糙集理论对10个泥石流危险度影响指标进行属性约简,将约简后的泥石流指标数据归一化处理作为支持向量机的学习样本,通过粒子群算法寻优获得最佳支持向量机模型参数,最终建立基于粗糙集的泥石流危险度预测的优化支持向量机模型。并将构建的RS-PSO-SVM模型用于对测试样本的预测,结果表明：在相同训练样本的条件下,RS-PSO-SVM模型、PSO-SVM模型及RS-PSO-BP模型三者的预测准确率分别为：87.5%,87.5%,75%,说明RS-PSO-SVM模型和PSO-SVM模型具有比RS-PSO-BP模型更高的精度。此外,尽管RS-PSO-SVM模型和PSO-SVM模型具有相同的预测精度,但是由于进行了属性约简,RS-PSO-SVM模型可以有效提高运行效率,降低模型复杂度。     

基于多尺度LBP和复合核的高光谱图像分类方法

为了更好地利用高光谱图像的纹理特征信息,提出了一个基于多尺度LBP和复合核的高光谱图像分类方法.利用LBP的两个最佳尺度来提取高光谱图像的纹理特征,将得到的空间纹理信息输入高斯核函数中,得到两个空间核,与直接提取光谱信息得到的光谱核结合在一起组成一个复合核,将这个复合核输入支持向量机(Support Vector Ma...     

一种高准确率的垃圾邮件识别方法

引入柯尔莫格洛夫复杂性理论来描述邮件的特征,采用信息距离理论衡量邮件的相似程度,采用支持向量机(SVM)算法对邮件进行分类,提出了一种高准确率的垃圾邮件识别方法.相对于传统的垃圾邮件识别方法,该方法不需要对垃圾邮件进行邮件分割,省略邮件头分析和正文分析,可以准确地刻画垃圾邮件的主要特征,具有运算简单高效的特点.测试结果表明:该方法对文本邮件的分类准确率高达99％以上,有效提高了垃圾邮件识别的准确率.