基于模糊C均值聚类-支持向量机的海底沉积物分类识别

在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。     

有害赤潮显微图像识别的三级分类器设计

传统的赤潮藻鉴定主要依赖经验丰富的藻类专家依据种的生物形态学特征在显微镜下通过人工目视判读、分类,该方法存在专业水平高、分类人员断层、耗时费力等问题。基于赤潮藻类细胞生物形态学分类特征,通过对藻类细胞3种细节特征(有无角毛、横纵沟、尖顶刺)进行有效的自动提取和描述,提出了显微图像自动分类识别的思想。设计三级两类分类器,建立树状判别体系,将大样本集有效划分为小样本集,构建赤潮藻显微图像自动诊断识别系统,结果表明:多级分类器的设计思想减少了训练时间,提高了识别准确率。     

海底声学底质分类的ELM-AdaBoost方法

基于自适应增强算法（AdaBoost）结合极限学习机（ELM）,通过迭代、调整、优化ELM分类器之间的权值,从而构建了具有强鲁棒性、高精度的ELM-AdaBoost强分类器,增强了现有的ELM分类器的稳定性。以珠江口海区侧扫声呐图像为实验数据,对礁石、砂、泥3类典型底质进行分类识别,该方法的平均分类精度超过90%,优于单一ELM分类器的平均分类精度85.95%,也优于LVQ、BP等传统分类器,且在分类所耗时间上也远少于传统分类器。实验结果表明,本文构建的ELM-AdaBoost方法可有效应用于海底声学底质分类,可满足实时底质分类的需求。     

Kohonen网络与BP网络的集成应用研究

本文介绍了 Kohonen神经网络对输入数据进行聚类方法在卷烟配方中的应用 ,提出了从核心样本动态搜索 BP网络训练样本的新探索 ,摒弃了过去 BP算法中训练样本固定不变 ,互不相交的方法 ,实现了 BP网络和 Kohonen网络动态无缝集成。     

基于植被指数的高光谱遥感水陆识别方法初探

提出了一种判别两类地物分类效果的依据——显著性度量,并采用植被指数的形式,给出了应用高光谱图像进行水陆识别的方法。以滩涂为例进行水陆识别实验,结果表明,基于显著性度量遴选得到的最佳植被指数类型及其最佳波段组合,适合于解决以高光谱图像为数据源的水陆识别问题。     

基于EOS/MODI图像资料的多光谱云分类技术

利用EOS/MODIS图像资料,采用逐个修改聚类和模糊聚类的分类器,设计了基于统计模式识别的云分类技术,并将其应用于2002年6月10日0200台风云系的云理识别,同时借助GMS-5图像资料进行了对比分析.结果发现台风云系的分类结果与台风云系的概念模式存在较好的对应关系,逐个修改聚类和模糊聚类的分类器对典型台风云系有较好的识别能力,极轨卫星的分类结果好于静止卫星,纹理特征的引入对分类结果有一定的影响.     

基于阵列感应测井的支持向量机流体识别方法

基于研究区块的高分辨率阵列感应测井(HDIL)资料,首先分析了利用交会图法进行流体识别的效果,指出了该常规解释方法的局限性。在此基础上,将基于遗传算法优化的支持向量机(GA-SVM)引入到测井解释当中,结合阵列感应测井和常规测井资料,建立了流体识别的非线性模型。利用该模型对45个训练样本进行回判,准确率为100%,对21个预测样本进行预测的准确率为90.48%,相对于常规解释方法,该流体识别方法具有更高的准确率。     

基于网格搜索的支持向量机核函数参数的确定

为提高支持向量机的分类准确率,研究了支持向量机核函数的参数确定问题,得到了1种确定支持向量机核函数的参数的有效途径.利用网格搜索法可使各组核函数参数相互解耦,从而便于并行计算,提高了运行效率.将此方法用于测井岩性分类器的训练得到了较理想的仿真结果.     

二进制粒子群支持向量机算法在SAR图像海面溢油特征选择的应用

对合成孔径雷达(synthetic Aperture Radar,SAR)图像提取得到的几何、灰度、纹理特征共66个特征量,采用封装模式算法进行特征选择,降低特征维度并提高对溢油及疑似溢油样本的识别率。特征选择采用二进制离散粒子群优化(binary particle swarm optimization,BPSO)和支持向量机(support vector machine method,SVM)的封装模式算法(BPSO-SVM)进行,该方法在特征选择的同时可对支持向量机模型中的参数进行优化。论文采用BPSO-SVM算法和序列前向搜索(sequential forward selection,SFS)算法、序列后向搜索(sequential backward selection,SBS)算法与SVM算法相结合特征优化算法(SFS-SVM和SBS-SVM算法)进行实验。并将BPSO-SVM算法、SFS-SVM算法、SBS-SVM算法和直接使用SVM算法的分类识别结果进行比较。实验结果表明,BPSO-SVM算法在SAR图像上溢油特征量筛选与识别效率方面行之有效。     

基于精细地质研究静态数据库的砂体类型识别方法

以地质储量精细计算需要的砂体类型(河道与非河道厚、薄层砂体、Ⅰ类表外独立和渐变砂体、Ⅱ类表外独立和渐变砂体)为例,探讨了精细地质研究静态数据库中砂体类型识别方法,给出了不同类型砂体识别的方法。利用该方法从精细地质研究静态数据库中提取不同类型砂体厚度参数,对不同类型砂体进行了地质储量精细计算。     

基于不规则矩形划分的高效海洋环流数值模式并行算法

使用序列化和不规则矩形划分的方法,开发了基于消息传递接口(MPI)的环流数值模式并行算法,并通过邻近点交换策略(NPES)进一步提升了计算效率。在HP C7000刀片系统上设计了两个实验,数值结果表明,使用了NPES的并行版本(PVN)的计算效率要高于原并行版本(PV)。在第二个实验中当进程数为100时PVN的计算效率仍可达到0.9以上,然而此时PV的计算效率已迅速下降至0.39。并用环流模式的PVN版本对一个高分辨率的区域进行了模拟,效果较好。该算法具备普适性,可用于其它环流模式的高效并行。     

基于GIS水团分析集成系统的开发及其应用

水团的识别与划分一直是物理海洋学的重要研究内容。本研究采用模糊密度聚类方法划分水团,并利用Fortran语言编制了该模型;同时,在Visual Basic6.0环境下,利用MapX控件进行了GIS平台开发;并将两者紧密集成,使得水团分析的所有阶段,包括计算网格的获取、温盐场数据的提取和插值、模型的参数选择和设置、模型的计算以及最终结果的可视化等都在同一环境下完成,大大提高模型应用的数据分析和决策的效率。将该系统应用于舟山渔场及其邻近海域,所得结果比较理想。     

基于LIBSVM的石油录井中岩屑岩性识别方法研究

针对在PDC钻头条件下石油录井过程中的岩屑岩性难以用肉眼识别,以及传统分类器准确率低的问题,该文利用和差直方图变换、傅里叶变换、Gabor变换3种不同的岩屑图像特征提取技术,将岩屑样品进行特征提取,并设定LIBSVM分类器的分类参数,根据得到的岩性识别率的高低来确定最优的参数组合。结果表明,SVM设置类型上选择NU_SVC、核函数选择RBF、分类参数gamma设置为0.1、nu设置为0.11的参数组合可获得较高的岩性识别率。其中采用Gabor特征提取方式和LIBSVM分类器对现场岩屑样品进行测试,获得的岩性识别率最高,对现场泥岩和砂岩的平均识别率分别为95%和90%。与神经网络分类器分类结果比较,该方法能更好地分析岩屑的岩性,可望在现场得以推广应用。     

测量海底声学参数的匹配场反演方法

在测量海底声学参数的实际海洋环境中，声源和接收位置的距离这两个参数常常无法准确测量，在这种情况下，需要采用匹配场反演方法来估计海底的声学参数。一般情况下，匹配场反演方法可以归纳为2个组成部分，即海洋声场的声学预报模型和搜索控制策略。文中采用受控制的穷举方法作为搜索控制策略，对1996年中美远黄海试验的实验数据进行了匹配场反演试验，用以测定海底参数，由此得到的海底声学参数与实验中测量的声场衰减进行对比，一致性很好。     

市长公开电话文本自动分类技术比较研究

通过研究青岛市市长公开电话的文本数据,提出了地点词的自动获取算法,并对文本分类中特征选择方法及分类器的组合进行了比较研究。实验证明,对于电话短文本分类问题,特征选择方法 CHI与分类器的组合普遍优于LDA与分类器的组合,得到CHI+SVM则是分类效果最好的组合。     

基于认知理论的地图点状符号智能识别

针对数字地图点状符号自动识别难题,提出了运用认知理论进行点状符号智能识别的技术方法。首先对地形图点状符号进行几何特征处理,获取图形的角、圆、面积等特征信息;通过分析符号图形的拓扑属性,计算欧拉数、矩特征等量化指标;最后依据多分类器的处理和先验知识库,来对点状符号进行类别划分。实验结果表明,基于认知理论的地图点状符号识别成功率高、运算速度快,能够有效解决传统数字地图研究领域存在的点状符号识别难题。     

低质热源有机朗肯循环效率特性研究

有机朗肯循环是有效的低品位能源利用方式,有机朗肯循环的流程设计和参数的选择对循环效率有很大影响,其中主蒸汽参数是最重要的热力循环参数。针对循环参数选取、主蒸汽过热对循环效率与余热回收效率的影响特性,建立了有机朗肯循环模型,并利用EES建立饱和蒸汽循环与过热蒸汽循环的计算方程,通过变参数计算得到有机朗肯循环主蒸汽参数与循环效率和余热回收率的对应曲线,并比较四类工质的热力循环特点总结有机质热力特性规律。     

基于GIS水团分析集成系统的开发及其应用

水团的识别与划分一直是物理海洋学的重要研究内容。本研究采用模糊密度聚类方法划分水团,并利用Fortran语言编制了该模型：同时,在Visual Basic 6．0环境下,利用MapX控件进行了GIS平台开发;并将两者紧密集成,使得水团分析的所有阶段,包括计算网格的获取、温盐场数据的提取和插值、模型的参数选择和设置、模型的计算以及最终结果的可视化等都在同一环境下完成,大大提高模型应用的数据分析和决策的效率。将该系统应用于舟山渔场及其邻近海域,所得结果比较理想。     

电子罗盘应用于无人船测向的IIR滤波性能分析

测向是无人船自动控制所需的一项重要数据,然而其通常会受到自身精度、航向突变和环境等影响,目前准确的动态测向还存在一定困难。针对所研发无人船的转向特性,在实验室内通过HMR3000电子罗盘转动实验模拟了无人船常规和极端两种转动情况,选择不同的滤波参数分析了IIR滤波特性,最后获得适用于本无人船的测向滤波参数。在无人船的湖试中,基于该电子罗盘的航向自动跟踪控制效果良好。实验结果验证了该滤波参数选择的正确性,可用于无人船的最佳滤波。     

基于粒子群优化算法的PSO-BP海底声学底质分类方法

利用粒子群优化算法（PSO）较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别。实验表明,3类底质分类精度均大于90%,高于BP神经网络70%左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别。