Catalogue Search | MBRL
Are you sure you want to remove the book from the shelf?
{{itemTitle}}
86
result(s) for
"支持向量机"
Sort by:
SVM方法在热带气旋风雨及温度预报中的应用
P49; 热带气旋的强弱和移动路径会直接影响到周围大气中气压、温度、露点等气象要素的变化.为更好地了解热带气旋对海口市的影响,通过收集影响海口市热带气旋关键因子,建立热带气旋风雨影响预报因子库,基于SVM方法对热带气旋在过程降水量、最大风速和平均温度进行趋势预报.结果表明,该方法对影响海口市热带气旋的过程降水量、最大风速和平均温度都有较好的预测效果,但对于超过 15 m/s 的最大风速和 200 mm以上降水量级上存在一定的偏差,这可能与SVM 模式中预报因子库中关键因子不全及模式的择中原理使结果趋于平均化相关.
Journal Article
志愿者地理信息中天桥的自动识别方法
基于天桥的几何与属性特征，提出了一种志愿者地理信息中自动识别天桥的方法。天桥从几何结构上可分为主桥和附属设施两个部分，主桥部分特征鲜明，可以视为两类分类问题，依据其几何特征和属性特征构建特征空间，利用支持向量机的方法进行识别；附属设施部分可依据已识别的天桥主桥，按照路段的长度、属性等判定规则进行识别，从而完成整个天桥的自动识别。以北京市OpenStreetMap（osm）数据进行试验验证的结果表明，本文提出的方法能有效地识别出志愿者地理信息中的典型天桥结构，可以为志愿者地理信息道路网的多尺度建模与化简、步行导航等提供帮助。
Journal Article
端元可变非线性混合像元分解模型
遥感影像中混合像元普遍存在。端元固定的情况下对混合像元进行分解，很难高精度地识别影像地物。本文基于支持向量机，提出了端元可变的非线性混合像元分解模型。首先，通过构建多个支持向量机获取每个像元的优化端元集，在优化端元集的基础上运用支持向量机与两两配对方法相结合的算法获取像元组分。试验结果表明，本文提出的方法效果优于传统的多端元光谱分解法。
Journal Article
顾及多空间相似性的地下管线数据匹配
综合地下管线与专业地下管线是同一管线地物的两种表达形式。综合地下管线数据精准、概括;专业地下管线数据表达范围广、属性信息翔实。本文以天然气管线数据为例,选取管点关联管段分布形态作为衡量依据计算管线结构相似性,从管点本体概念名称和属性两方面计算管线语义相似性,以两管点间管段分布形态为特征计算管线形状相似性。以此空间相似性构建管点特征向量,采用SVM（support vector machine）支持向量机的分类方法及管点唯一匹配原则实现管点实体匹配。试验表明该算法能够有效解决管点匹配问题。
Journal Article
利用多尺度特征与深度网络对遥感影像进行场景分类
针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换（NSCT）、深度卷积神经网络（DCNN）和多核支持向量机（MKSVM）,提出了一种基于多尺度深度卷积神经网络（MS-DCNN）的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。
Journal Article
支持向量回归辅助的GPS/INS组合导航抗差自适应算法
卡尔曼滤波残差分量受到观测信息误差和动力学模型误差的双重影响,由于GPS/INS松耦合导航系统中观测值个数少于状态参数个数,导致异常检测时难以正确区分误差来源,本文提出一种支持向量回归辅助的组合导航抗差自适应算法。该算法克服了组合系统观测信息无冗余情况下异常检测的局限性,基于遗传算法参数寻优构建回归模型,预测次优观测值,结合整体异常检验法自主选择抗差或自适应滤波,进而调整观测值或动力学模型对导航解的贡献,进行导航预报。最后利用车载实测数据进行验证,结果表明:该算法能够对存在的异常故障智能判定,减弱观测值异常和动力学模型误差影响,保证组合导航精度,提高导航解可靠性。
Journal Article
联合云量自动评估和加权支持向量机的Landsat图像云检测
针对云量自动评估算法难以检测Landsat图像中的半透明云问题,提出一种云量自动评估和加权支持向量机相结合的云检测算法。首先根据云在不同波段中的大气辐射特点,结合陆地卫星ETM+图像数据的光谱特性,利用云量自动评估算法将图像像元初步分成云像元、非云像元和待定像元,再以云的光谱特性构造特征向量,利用加权支持向量机算法进行待定像元的云层检测,最终获得全部图像的云检测结果。仿真试验结果表明,该方法既具有云量自动评估算法的云检测优势,还对云量自动评估算法难以识别的半透明云有较好的检测效果。
Journal Article
聚类特征和SVM组合的高光谱影像半监督协同分类
提出一种聚类特征和SVM组合的高光谱影像半监督协同分类方法。利用构建的协同分类框架能够将KSFCM聚类算法与半监督SVM分类器相结合,同时利用聚类和分类优势,提高分类器的分类准确率。其中,通过聚类损耗函数、分类一致函数、分类差异性、样本差异性4个指数用以构建协同分类框架,以充分利用少量类标签样本信息,避免高光谱类标签样本获取困难问题,在一定程度上解决SVM支持向量随着训练样本增加而线性增加的问题,从而寻求最佳分类结果。试验结果表明,本文所提方法得到的分类精度优于直接利用SVM进行半监督分类。
Journal Article
基于支持向量机法的近红外光谱鉴别耐甲氧西林金葡菌和甲氧西林敏感金葡菌的研究
目的探讨使用近红外光谱结合支持向量机法区分耐甲氧西林金葡菌（MRSA）和甲氧西林敏感金葡菌（MSSA）的可行性。方法制作MRSA和MSSA的浓度标准曲线。扩增待测细菌，并根据公式制备相同浓度菌液。采集菌液样本近红外光谱数据，并对数据进行一阶求导、平滑去噪、归一化和基线校正等预处理。根据两种细菌光谱曲线的相关性，对900-2200nm波段数据进行主成分分析。依据累计贡献率结果，选择前三个主成分作为支持向量机的输入向量，分别使用线性、多项式、径向基3种核函数进行建模，比较不同模型区分MSSA和MRSA的准确性。结果MRSA和MSSA预处理后的光谱曲线相关系数为1．000，两者高度相似。使用主成分处理并采用3种支持向量机核函数建模后，模型的训练和测试准确率均高于95％，其中采用径向基核函数分类结果最好，训练准确率为99．72％±0．21％，测试准确率为99．47％±0．00％。结论使用近红外光谱结合支持向量机的分析方法具有精确区分MRSA和MSSA的能力。
Journal Article
基于支持向量机的遥感影像厚云及云阴影去除
提出一种基于支持向量机的遥感影像厚云及云阴影去除方法。首先利用支持向量机的学习性能检测影像中的云层,并利用太阳角度信息,判定云阴影区域,得到云层和云阴影的二值图。再对影像进行支持向量值轮廓波变换,利用云层和云阴影二值图生成的选择矩阵,对变换系数进行多层镶嵌,完成云层及云阴影的初去除。最后对影像镶嵌未能去除的云层及云阴影,通过统计学补偿的方法进行修复。仿真试验表明,该方法能有效恢复厚云区域的地物信息,形成的无云图像细节清晰,图像光滑。
Journal Article