基于多层全连接神经网络的6C地震波极化向量识别研究

利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。     

基于ICA的稀疏编码算法在图像处理中的应用

针对独立分量分析基于数据间的高阶统计特性,并能有效揭示图像的本质特征的优势,分析了自然图像基于ICA的稀疏编码的实质,主要从图像压缩和图像去噪两个方面讨论了稀疏编码算法在图像处理中的应用。仿真实验结果表明,稀疏编码算法能够有效提取自然图像的特征基向量,利用特征系数的稀疏性,可以有效实现自然图像的压缩;结合软门限算子对噪声图像的特征系数进行处理,能有效减小自然图像中的高斯噪声的影响。     

高压缩低损耗图像编码算法研究

根据现有的图像压缩方法,提出一种二次压缩的具体算法。这种算法是先采用离散余弦变换、线性量化、哈夫曼编码进行有损压缩,再采用行程编码进行无损压缩。通过程序对岩心图像进行研究,测试结果证明了算法对岩心图像处理可以取得高压缩低损耗的目的。     

一种贝叶斯和支持向量机相结合的相关反馈策略

相关反馈技术在提高图像检索性能方面发挥着重要作用,但图像检索过程中的相关反馈存在反馈次数过多,反馈效果不够理想等问题。为解决上述问题,提出一种贝叶斯和支持向量机相结合的反馈算法。实现方法是:用贝叶斯分类器对图像库进行分类,达到压缩图像库的目的,然后用支持向量机分类器对压缩之后的图像库进行分类,并反馈最终结果。研究结果表明,与支持向量机和贝叶斯算法相比,在很少的反馈次数下,该方法明显提高了反馈效果。     

改进SPIHT算法及硬件高速实现

基于小波变换的SPIHT图像压缩方案是一种实用高性能图象压缩编码算法,但原始SPIHT算法链表式编码限制了其在高速处理中的应用。本文提出了一种改进的SPIHT压缩编码算法,在确保恢复图像质量与原始算法基本相当的基础上,改进算法可以采用并行流水结构实现,有利于高速处理中的应用,可以对高达40×8Mbit／s的原始图像实时压缩和去压缩。     

基于贝叶斯优化机器学习超参数的滑坡易发性评价

利用机器学习模型进行滑坡易发性评价时, 不同的超参数设置往往会导致评价结果的不同。采用贝叶斯算法对4种常见机器学习模型(逻辑回归LR、支持向量机SVM、人工神经网络ANN和随机森林RF)的超参数进行了优化, 探索了该算法对滑坡易发性机器学习模型的优化效果。以湘中地区4县(安化县、新华县、桃江县和桃源县)滑坡易发性评价为例说明该算法的可行性与适用性。基于滑坡历史编录, 确定研究区内1 017个滑坡点, 并选定15个滑坡影响因子, 以此构建滑坡易发性模型的训练集和测试集。利用贝叶斯优化算法对4种机器学习模型的主要超参数进行了优化, 依据优化后的超参数建立了4种优化模型, 并使用AUC值等指标来比较其预测能力。结果表明: 经超参数优化后的4种机器学习模型预测性能均有所提高, 且基于贝叶斯优化的随机森林模型表现最好。      

面向数据传输的地理栅格数据快速压缩方法

随着对地观测技术的高速发展,高分辨率地理栅格数据已被广泛应用于地貌、环境、水文等领域,传输与存储海量数据亟需通过数据压缩来解决有限信道容量的制约。本文分析了地理栅格数据特征,并基于数据保真性和压缩即时性原则,提出了融合转换压缩和编码压缩的地理栅格数据两阶段压缩方法,并从精度和效率2个视角构建了两阶段压缩方法的评价方法。利用不同大小的规则格网DEM数据,在集群系统上对两阶段压缩方法的数据保真性和压缩性能进行了测试。实验结果表明,本文构建的两阶段压缩方法在数值和地表形态上均有较好的精度,数据保真性高。同时,其压缩率一般在50%以上,解/压速率达到实时层次,能够显著地减少数据传输时间消耗,提高网络传输效率。两阶段压缩方法具有较好的普适性,可为高性能地学并行计算等领域提供技术支撑。     

一种DEM数据无损压缩的方法

数字高程模型(DEM)是网络3维地形可视化系统最重要的数据源之一,而且数据量巨大.数据压缩是缩短DEM在网络上的传输时间和节省存储空间的有效方法和途径.本文提出了用最小二乘预测模型和算术编码实现DEM最佳平均码长.并比较了几种预测方法,推导了最优线性二乘预测模型,优化了自适应算术编码的数据结构以加快编码的进程.最后对不同无损编码技术的压缩结果进行了分析,实验证明本文提出的压缩方案是可行的.     

海洋遥感 L3A 数据的优化行程及其组合无损压缩算法研究

在比较研究常见的多种无损压缩算法的基础上,进一步研究了符合遥感应用的压缩技术.结合海洋遥感L3A 数据产品的特点,提出了一种基于优化行程编码的无损压缩算法以及该算法与哈夫曼编码相结合的组合压缩算法,可应用于 MODIS、NOAA、HY 等国内外多种卫星的 L3级原始数据文件的压缩.通过9种无损压缩算法的对比实验,结果表明,该算法与其它通用的压缩方法或工具相比,具有最小的时空积,即在压缩时间和空间上具一定的综合优势,且更加高效地传输、存储和共享海量的卫星遥感图像或数据     

特征优选与卷积神经网络在农作物精细分类中的应用研究

农作物的精细分类一直是农业遥感领域的热点,对农作物估产和种植结构监管有重要意义。深度学习的出现为农作物分类准确性的提升提供了新的思路。本文提出一种特征优选与卷积神经网络（Convolutional Neural Networks, CNN）相结合的多光谱遥感农作物分类方法,用以解决精细分类问题。实验以哨兵2号遥感影像为数据源,基于多光谱遥感影像的波段反射率与包括归一化植被指数在内的10种植被指数,利用Relief F算法进行特征增强与优选,获取最优特征集,从而设计出基于特征优选的CNN分类方法,并对河南省原阳县主要农作物水稻、玉米、花生进行分类识别与制图,分类精度达到96.39%。同时,选用支持向量机、CNN方法分别对研究区农作物进行分类识别。对比分析3种方法的分类结果,发现本文提出的基于最优特征集的CNN农作物分类方法表现最优,CNN方法次之,支持向量机方法表现最差。实验结果表明：① 利用Relief F算法能够对特征贡献度进行排序,完成特征筛选,得到包含24个特征的最优特征子集,训练精度达到99.89%;② 基于最优特征集的CNN方法能够在最大程度上提取高精度差异性特征,实现对农作物的精细分类,且相比CNN和支持向量机的农作物分类方法,本文方法表现更佳。     

改进的混合2D-3D卷积神经网络高光谱图像分类研究

卷积神经网络在进行高光谱图像分类时,往往需要设置较多的参数,因此其计算效率受到很大影响。基于混合卷积神经网络模型,本文利用全局平均池化层代替原有的全连接层,将卷积层输出的多个特征图映射为一个特征点,并将多个特征点构成一维向量,形成改进后的混合2D-3D卷积神经网络模型;最后,对改进后的模型分别在IP(IndianPines)数据集、PU(PaviaUniversity)数据集及Botswana数据集上进行测试。结果显示,总体分类精度分别达到99.64%、99.98%、99.91%。这表明在大量减少参数的条件下仍具有较好的分类性能。     

利用精密水准数据分析晋冀蒙交界区垂直形变特征

在水准复测数据分析过程中,针对水准点遭到破坏导致数据连续性不佳、利用率降低等情况,利用相邻年份同名水准点数据求解垂直形变量,以距离、待内插点与观测点所处断层信息进行确权,构建多项式内插模型,对研究区范围内的垂直形变量进行内插,丰富研究区范围内的数据量,提高数据的连续性及利用率。以每个内插值的垂直形变量、形变速率、形变加速率组成的状态向量构建卡尔曼滤波模型,对研究区范围进行滤波,利用滤波结果对1984年以来晋冀蒙交界区的垂直形变特征进行分析,并与前人研究结果进行对比。实验证明本文方法有效,对地震预测的研究有一定的参考意义。     

基于张量分解的AoT序列数据有损压缩方法

Array of Things (AoT)通过单一位置上的多传感器对城市系统进行连续动态观测。AoT观测数据量大且持续增长,使得如何利用有限的计算资源进行AoT序列数据的压缩传输成为其应用的关键瓶颈之一。本文提出了一种基于张量分解的AoT序列数据的有损压缩方法。面向其海量、高维且需在传感器端处理的需求,该方法首先将AoT序列数据组织成高维张量,利用算法复杂度较低的张量CANDECOMP/PARAFAC (CP)分解提取各维度上的特征主分量,而后利用张量重构实现特征保持的数据有损压缩。利用基于张量分解的有损压缩方法,针对美国芝加哥市区的24 h内感测的声光电磁数据进行了实验,讨论了不同压缩参数对压缩比、压缩误差、压缩精度、压缩时间、压缩过程运行内存占用和压缩结果内存占用之间的影响。实验结果表明该方法可实现AoT序列数据的有损压缩,其较小的内存占用能够支持传感器端数据压缩。并且与原始光场强度对比表明,压缩后的数据保持了原有时空分布特征。与传统矢量量化编码压缩方法相比,在相同压缩精度下,本文方法的压缩比约高27%~76%,压缩时间约节省46%~73%,压缩结果所占内存约节省17%~57%,因此本文方法具有更高的压缩比,更低的压缩时间和内存占用,可为AoT这一类数据的大规模有损压缩提供借鉴意义。     

基于项目集矩阵的AprioriHybral算法研究

介绍了AprioriHybral算法,针对算法前期工作效率的不足,提出一种基于项目集矩阵的改进算法ISMa-trix-AprioriHybral(ISMA).新算法(ISMA)主要从使用项目集矩阵生成一阶和二阶频繁项目集的角度,对Apriori-Hybral算法进行了优化.还对改进后算法的性能进行了简要的分析,最后通过使用实际数据的测试,验证了改进后算法的效率优于AprioriHybral算法.     

偏序向量空间中集值映射的一类扩张定理

经典的Hahn-Banach扩张定理及其推广定理有着非常广泛的应用,但主要都是讨论单值映射的扩张性质.为了进一步讨论多值映射的扩张性质,通过构造的方法,利用了zorn引理及偏序向量空间的完备性,得到了当定义域空间是一个实向量空间,而值域空间是由锥引入序的Dedekind完备的偏序向量空间时集值映射的一类扩张性质,以及当给值域空间引入相应拓扑时连续集值映射的一类扩张性质.其结果进一步推广了Hahn-Banach扩张定理,扩大了其应用范围.     

基于支持向量机的Internet网络延时分析与预测

针对基于Internet的网络控制系统,采用Socket通信方式构建了网络控制系统的通信平台,在此平台上对网络延时进行测试、基于时间序列的分析方法,对Internet网络延时特性以及延时时间序列的自相关性进行统计分析;进而提出了基于支持向量机的网络延时预测方法。仿真结果说明,支持向量机预测网络延时具有较高的正确率。     

基于 HBase的海量地理空间数据的空间索引模型构建与优化

传统关系型数据库在海量地理空间数据的存储与管理上面临着高并发访问规模限制、数据库扩展能力不 足等困难.非关系数据库如 HBase等以其强大的扩展能力与计算能力为该问题提供了新的思·与方法.空间索 引模型和分布式存储模式设计是影响基于非关系数据库的海量地理空间数据的存储与查询效率的关键因素.对 当前主要基于 HBase的索引模型和空间数据存储设计进行了研究,设计了基于行政区划编码与矢量要素编码结 合的 RowKey(行键),使空间数据在 HBase存储中得到很好的聚类效果,并针对要素重叠与边界划分等问题提出 了一种基于四叉树ＧR树的改进的空间索引模型.该模型基于四叉树结构将空间数据划分为多个子网格,为?一个 子网格构建 R树索引,利用 Hilbert(希尔伯特)曲线对子网格进行编码,并设计了基于 MapReduce的并行化索引构 建算法和相应的空间查询算法.经实验测试,该存储设计和空间索引模型具有较好的查询效率.      

一种基于分块的分形图像压缩方法

分形编码具有高压缩比的特点,但在编码过程中其匹配搜索时间开销巨大.提出一种基于分块的分形图像压缩方法:依据人眼视觉特性在PSNR变化不大的情况下,图像主观质量感受不明显的特点,将图像在空域分割为若干相对较小的块,对感兴趣区可采取一分为四的方法进一步减小块的大小,然后对每个块分别进行分形编码,并重构.结果表明,在PSNR略有降低的情况下,编码的匹配搜索时间大幅减少,同时重构图像的主观质量并没有明显降低.     

基于深度学习的遥感影像目标自动提取技术研究

为研究重要目标信息的自动化快速提取,本文基于PyTorch、CUDA等环境并在GPU运行下,利用CycleGAN算法进行深度学习的模型训练.通过GeoServer对谷歌影像进行地图切片等处理,制作上海市浦东新区的船舶、机场、岸线的训练数据集.模型训练后其模型测试的结果实现了基于高分辨率遥感影像的目标信息自动化提取的科学目标.比较目标地物如船舶、机场、岸线等的信息提取效果,结果表明3种瓦片等级尤其17级瓦片下进行的多种目标信息自动化提取效果均较好,且在地物目标监测及军事应用方面具有重要意义.     

H.26L参考帧选择技术研究与实现

采用了预测编码的视频数据对传输差错极为敏感,为了有效地消除网络传输错误对解码图像的影响,介绍了一种基于反馈的参考帧选择(RPS:Reference Picture Selection)技术.它利用反馈信道传回的差错信息,选择被正确解码的帧作为参考来进行编码.仿真试验给出了各种RPS模式下图像的主客观质量,结果表明该方法对抑制传输差错的扩散与差错恢复具有很好的效果.