一种基于智能手机四向RSS指纹的室内定位方法

针对传统位置指纹匹配算法只能表征单一维度指纹点特征的问题,提出了一种基于智能手机四向接收信号强度(RSS)指纹的室内定位方法. 该方法通过离线阶段的数据采集、特征提取、接入点(AP)权重分配三个步骤提取了更丰富的指纹点信息,在线阶段使用改进的K最近邻(KNN)分类算法将测试点与指纹点匹配. 在操作系统版本为Android 10的智能手机上使用蓝牙传感器进行实验验证,随机选取30个测试点,得到的实验结果表明:1)四向RSS指纹优于传统的单向RSS指纹,在相同的实验条件下使用四向RSS指纹最高可降低13.4%的定位误差;2)使用四向RSS指纹结合提出的算法,平均定位误差在1.61 m,且响应时间在毫秒级.      

基于随机森林的洪河湿地遥感影像分类研究

随机森林(Random Forests)是一种最有效的分类方法之一。现阶段,它吸引了来自不同领域的研究人员,被广泛应用到不同的学科领域之中。本文采用TM影像,运用随机森林算法,对洪河湿地影像进行分类,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)和CART(Classification And Regression Tree)算法对比。结果表明,基于RF算法的分类结果的总精度和Kappa系数分别为88.31%和0.82,较MLC和CART分类方法有明显提高。从而证明RF算法可以提高遥感影像的分类精度,并可应用在湿地信息的提取研究中。     

基于随机森林算法的高维模糊分类研究

高光谱数据的空间分辨率普遍偏低,混合像元分布广泛,故模糊分类方法常用于此类型数据的信息提取。针对模糊分类的精度常受限于特征维数和模糊样本选取等问题,提出了基于随机森林(random forest,RF)算法的高维模糊分类方法。首先将RF算法用于特征选择和模糊样本获取,然后在低维特征空间中利用模糊样本进行模糊分类,通过2步分类、遵循假设前提一致原则,实现RF和模糊分类2种分类器的融合;并通过不同样本、不同实验区和分区优化前后的3个实验(包括20余次对比实验、60多次子实验),验证了该方法不仅提高了模糊分类的精度,具有分类的有效性和可推广性,而且具有可优化性和对原始样本质量的鲁棒性。     

一种新的基于STD和SLR融合的AP选取算法

为了进一步提升基于RSS(received signal strength)的WiFi室内定位算法的精度和可靠度,本文对比研究了基于标准差(standard deviation,STD)的AP(access points)选取算法和基于信号丢失率(signal loss rate,SLR)的AP选取算法,并提出了新的基于STD和SLR融合的AP选取算法。实验结果表明,基于STD的AP选取算法定位精度受到AP子集个数的影响,当子集个数大于6并继续增加时,定位精度变化不再明显;基于SLR的AP选取算法耗时最少;新的基于STD和SLR融合的AP选取算法定位耗时略大于融合前的两种AP选取算法,但其定位精度和可靠性明显优于其他两种AP选取算法。     

无人机影像湿地典型要素分类方法对比研究

针对厘米级的无人机影像,选取无锡某湿地公园作为研究对象,首先对湿地影像进行多尺度分割并利用ESP工具获取最佳分割参数,再进行特征选择,选取决策树(DT)、贝叶斯(Bayes)、随机森林(RF)等3种分类方法对湿地典型要素进行分类,并对比分析不同方法的分类结果及精度。对比结果表明,随机森林算法在湿地典型要素分类中精度最高,决策树和贝叶斯分类算法精度逊色于随机森林。从分类效率来看,随机森林算法耗时最长且涉及参数设置调整,而贝叶斯算法效率大幅领先决策树和随机森林,且该算法操作简单、无参数设置,易于在生产中应用。     

基于Relief F-RFE特征优选的桉树人工林提取

针对信息冗余导致机器学习分类精度下降的问题,该文提出了一种结合Relief F和递归特征消除法(RFE)进行特征优选的桉树人工林面积提取方法。首先将Zhuhai-1和Sentinel-1卫星影像进行融合,通过结合Relief F和RFE进行特征优选,以减少信息冗余的影响。其次,基于光谱、红边指数、纹理特征、植被指数和后散射系数等特征,采用简单非迭代聚类(SNIC)面向对象和随机森林(RF)算法进行桉树人工林面积提取。最后,为验证Relief F-RFE模型在分类方面的性能表现,将其与无特征优选下基于Zhuhai-1和融合数据以及基于RF特征优选的分类结果进行对比分析。结果表明：利用Relief F-RFE优选特征能有效提高桉树人工林分类精度,总体精度达到96.43%,相比于无特征优选下基于Zhuhai-1和融合数据分类结果,总体精度分别提高14.95%和8.43%。在与RF特征选择方法进行对比时,总体精度有所增长,提高了7.55%。     

随机森林遥感信息提取研究进展及应用研究

随机森林算法已经应用于遥感影像信息提取领域,但鲜有对其应用发展的总结和归纳.本文介绍了随机森林分类方法的基本原理,并阐述其在多源遥感数据(多光谱数据、高光谱数据、SAR数据)信息提取以及分类数据集筛选中的应用研究,通过说明其在分类精度验证、模型可移植性以及算法改进等方面的研究进展,对随机森林分类方法在今后的发展进行了展望.该研究有助于初学者对随机森林分类方法进行初步了解,有一定的推广作用.     

融合空间和时序遥感信息的深度学习水稻提取

为了得到更加精细的水稻提取结果,提出一种结合高分辨率和多时序遥感影像的深度学习水稻提取方法.构建全卷积网络(FCN)对BJ-2高分辨率遥感影像进行分类,并利用长短期记忆网络(LSTM)和随机森林(RF)分类器对Sentinel-2多时序遥感影像进行分类,再通过面向对象的分割和投票对3种方法的分类结果进行融合,得到最终提...     

基于信号丢失率的AP选取算法分析

近十年来,基于RSS(received signal strength)的WiFi指纹室内定位技术逐渐成为国内外学者的研究热点,其通过接收多个AP(access points)的信号来估计用户的位置.受到室内复杂环境的影响,不同AP的观测质量存在较大差异,AP选取对WiFi室内定位性能具有重要的影响.考虑到AP在传播过程中存在信号丢失,有学者提出了基于信号丢失率(signal loss rate,SLR)的AP选取算法,为了能够选取出更加合适的AP,本文针对基于SLR的AP选取算法进行了相关参数设置实验分析.实验结果表明:在合适的参数设置下,基于信号丢失率的AP选取算法与其他现有常见方法相比,具有更高的定位精度以及可靠性.     

基于随机森林分类方法和多源遥感数据的湿地植被精细分类

利用大丰市沿海滩涂湿地区域的高光谱影像和同时期的机载LIDAR数据,结合影像的光谱信息,采用随机森林算法(RF)对研究区进行湿地植被精细分类,并分析和评价分类模型参数设置对总体精度的影响,最后与SVM分类结果进行对比。结果表明:随机森林分类方法的总体精度为90.3%、卡帕(Kappa)系数为0.874;与传统的SVM分类方法相比,RF法均提高了4种湿地植被的生产者精度和使用者精度。通过分析RF分类模型参数设置对总体精度的影响,得出当生长树个数为30、生长树深度为30时,分类精度最高。     

WiFi指纹定位的一种新组合算法

探讨AP选取策略和贝叶斯位置估计算法对基于RSS的WiFi室内定位技术位置估计精度的影响。国内外学者分别对AP选取算法和贝叶斯位置估计算法进行了大量的研究。为了进一步深入研究不同算法的优劣性,利用组合优化的思想对不同算法进行组合,通过找出最优算法组合从而提升WiFi室内定位系统的性能。基于互信息最小化的AP选取策略和考虑AP相关性的贝叶斯位置估计算法,提出一种新的WiFi指纹定位组合算法。实验分析表明:新算法具有良好的实用性和定位性能。     

基于位置融合的WiFi室内定位新策略

基于接收信号强度（RSS）的WiFi室内定位技术由于其成本低、易部署的特点成为近年来的一个研究热点。基于RSS的WiFi室内定位由于受到室内环境复杂、动态变化性强的特性,位置估计精度和可靠度较低,因此本文提出了一种新的位置融合定位策略进一步改善基于RSS的WiFi室内定位的精度。新的位置估计策略融合三种AP选取策略的位置估计结果,试验结果表明,新提出的位置融合定位策略能够提高位置估计的精度,同时保证定位结果的可靠性,其整体定位性能更优。      

WiFi指纹定位中AP个数对定位精度的影响

基于RSSI的WiFi指纹定位算法离线建立指纹数据库阶段受AP个数影响,因此AP个数也将影响到指纹定位算法精度。为了探究AP个数对定位精度的影响,文中在室内环境下进行实验,选取不同的AP进行基于RSSI的WiFi指纹定位实验和分析,定位精度和可靠性作为定位结果的衡量指标。实验结果表明:在单个办公室内,5~6个AP时定位精度较高且定位结果可靠性达到最高。     

基于WiFi信号的整体区间重叠度的AP选取算法

针对WiFi指纹室内定位中AP(access point)选取算法问题,提出了一种基于WiFi信号的整体区间重叠度(overall interval overlap degree,OAIOD)AP选取的优化算法,给出了算法的流程和整体区间重叠度计算方法。通过实验并与区间重叠度、信息增益、信息增益率、互信息等多种AP选取算法相比,结果表明:该算法定位精度较高,可靠性和稳定较好,增强了AP对指纹点的识别能力,又减少了指纹点中AP之间的关联性。     

PDR算法对地磁室内定位精度的提升研究

利用建筑物中金属结构引起的地磁场扰动可以对室内的行人目标进行定位，而且基于地磁场的定位无需布设任何额外设施，因此可以以低成本实现定位。但仅靠单一的地磁技术无法满足室内定位的精度要求。为了解决磁场数据中单点定位的模糊性问题，本文提出了一种利用粒子滤波算法将PDR与地磁相融合的室内定位方法，并开发了地磁室内导航系统，以智能手机为硬件平台构建磁力计传感器模型，建立匹配轨迹的均方误差准则并实现PDR累积误差实时校正的迭代计算。在68 m×1.8 m的试验区域内，产生的平均定位误差为1.13 m，最大定位误差为2.17 m。本文算法的定位精度比单独PDR算法提升了42%；与单一地磁指纹匹配算法相比，定位精度提高了57%。试验证明，本文提出的融合算法对提高室内定位精度具有显著的作用。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距，不仅可以快速获取地面物体的三维坐标，还可以获得多个波段的地物光谱信息，可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征，完成多光谱LiDAR的随机森林地物分类；并分析随机森林的特征贡献度特性，采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度，而且可以适当地去除部分冗余和相关的特征，从而有效提高分类精度。     

一种用于RSS提取的改进粒子滤波算法

针对室内WiFi指纹位置定位中取RSS的平均值作为其定位特征值在室内环境的复杂性和动态性不能准确地反映RSS信号真值的问题,以及卡尔曼滤波和粒子滤波算法等用于RSS信号的提取只针对线性噪声或非线性噪声中的一种,在室内动态多变、干扰复杂多样的环境下鲁棒性不理想的问题,结合卡尔曼滤波和粒子滤波,提出一种用于RSS提取的改进的粒子滤波算法。给出了算法实现的步骤,并且在不同地点不同环境条件(静态环境和动态环境)下分别进行了指纹定位在线端的数据采集实验。实验结果表明:基于改进粒子滤波的RSS提取算法的定位精度和鲁棒性均优于均值算法、卡尔曼滤波算法、粒子滤波算法等已有算法。     

Road condition assessment by OBIA and feature selection techniques using very high-resolution WorldView-2 imagery

Accurate information on the conditions of road asphalt is necessary for economic development and transportation management. In this study, object-based image analysis (OBIA) rule-sets are proposed based on feature selection technique to extract road asphalt conditions (good and poor) using WorldView-2 (WV-2) satellite data. Different feature selection techniques, including support vector machine (SVM), random forest (RF) and chi-square (CHI) are evaluated to indicate the most effective algorithm to identify the best set of OBIA attributes (spatial, spectral, textural and colour). The chi-square algorithm outperformed SVM and RF techniques. The classification result based on CHI algorithm achieved an overall accuracy of 83.19% for the training image (first site). Furthermore, the proposed model was used to examine its performance in different areas; and it achieved accuracy levels of 83.44, 87.80 and 80.26% for the different selected areas. Therefore, the selected method can be potentially useful for detecting road conditions based on WV-2 images.     

基于随机森林算法的多维情境特征活动识别

利用智能手机传感器可感知时间、空间、时空和用户等多维情境的特征,可识别用户活动,但原框架模型中仅利用了单一分类器中的朴素贝叶斯算法,存在分类精度效果受限的问题。本文利用集成分类器中的随机森林算法对原有框架中的单一分类器进行了改进。在获取的3个数据集上的十倍交叉验证结果表明,加权平均F1量测值均有较大提高,表明利用随机森林算法在分类精度效果上有所提升;但由于集成算法结构相对复杂,其学习效率相对较低。此外,随机森林算法的分类混淆矩阵表明,导致识别误差的因素主要为活动的定义与室内定位精度。