基于总体最小二乘自适应切片的点云孔洞修补

针对普通孔洞修补方法在修补复杂曲面的孔洞无效或者所修补的曲面不光滑等缺点,提出基于自适应切片的孔洞修补方法。首先,在考虑点云局部特征的情况下对整体点云进行自适应切片,在得到切片后引入总体最小二乘进行拟合,最后,在线上取点填充缺失的点云。实验结果表明,采用自适应切片法修补孔洞能够顾及到点云的曲率和密度变化,保持点云的局部特征,用总体最小二乘法拟合切片得到的孔洞填充点云精度较高,光滑性好。通过对比常规方法,可以得到基于总体最小二乘自适应切片方法修补效果更优。     

基于遗传算法-支持向量机模型在热带气旋强度预报中的应用

利用遗传算法对支持向量机(SVM)模型参数进行寻优,找到最优参数组合后代入SVM模型中,得到基于遗传算法的支持向量机模型(GA-SVM),利用此模型对热带气旋强度进行预报实验。该模型对热带气旋强度12 h、24 h和48 h的预报平均绝对误差分别为3.01 m/s、4.46 m/s和6.57 m/s;比最小二乘回归法的预报精度分别提高了12%、11%、14%。     

基于WOA-LSSVM的海底沉积物物性参数建模

电阻率测量是海底沉积物工程地质勘察的主要原位观测方法之一,作为一种间接测量方法,需要建立沉积物物性参数与沉积物电阻率的回归模型。为提高建模精度,本文提出了一种基于鲸鱼算法优化的最小二乘支持向量机(Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM)的海底沉积物物性参数与电阻率回归建模方法。该方法建立了海底沉积物电阻率与沉积物4种基本物性参数(含水率、密度、孔隙比、塑性指数)的单输入、单输出最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)回归模型,利用WOA算法对LSSVM参数进行寻优取值。对比研究了WOA算法、遗传算法(Genetic Algorithm,GA)、粒子群(Particle Swarm Optimization,PSO)算法优化的LSSVM建模结果,结果表明,基于WOA-LSSVM建立的海底沉积物物性参数与电阻率的回归模型具有更好的预测效果,均方根误差降低1.1%～14.9%,平均绝对百分比误差降低0.4%～19.9%。     

基于PSO-SVM的MODIS数据海上云检测

为利用中分辨率成像光谱仪(MODIS)数据实现海上云的检测,提出一种结合粒子群优化算法(PSO)与支持向量机(SVM)的检测方法。根据海洋下垫面的特点,选取了合适的特征量,利用具有较强全局搜索能力的粒子群优化算法对支持向量机中的参数进行优化调整,改善了支持向量机的分类性能,试验结果表明,该方法能获得较高的分类精度,可以较好的实现海上云的检测。     

LS-SVM算法中优化训练样本对测深异常值剔除的影响

在验证趋势面滤波是最小二乘支持向量机算法取特定参数解的基础上,利用 LS-SVM 所构造的海底趋势面对测深异常值进行剔除。 为了克服 LS-SVM 解非稀疏性的缺点,同时抑制偏差较大的训练样本对海底趋势面构造的影响,提出并实现了一种基于局部样本中心距离的训练样本优化方法。 为了检验该算法的有效性,选取实测的多波束测深数据进行验证,结果表明在训练样本优化的基础上,通过调整 LS-SVM 的参数可以得到更为合理的海底趋势面,测深异常值地剔除也更为有效。     

最小二乘支持向量机构造海底趋势面研究

为了解决海底趋势面的构造问题,提出了利用最小二乘支持向量机(LS-SVM)重构海底趋势面的方法,并将该方法与趋势面滤波方法进行了分析和比较,同时利用定理证明,趋势面滤波所构造的趋势面只是LS-SVM取特定参数时的解。通过实测算例表明,在构造海底趋势面的过程中,可以通过调整LS-SVM的参数,使其构造的趋势面具有更好的适用性及稳定性,更能反应海底地形的实际情况。     

基于数字视差模型的立体影像最小二乘密集匹配

提出一种基于数字视差模型的立体影像最小二乘密集匹配方法。在高精度初始匹配点的基础上构建数字视差模型,利用多项式内插的方法预测出加密点的初始同名点位置,以结构相似性指数作为相似性测度进行加密点的粗匹配,然后利用最小二乘匹配算法将匹配精度提高至子像素级,最后由随机抽样一致性方法剔除误匹配点。实验结果表明,该方法能较为迅速地预测出加密点的同名点初始位置,且具有较高的匹配正确率,能得到十分密集的匹配点集,可以高效地应用于立体影像的密集匹配任务中。     

联合BEMD与LS-SVM的多波束异常数据探测方法

针对多波束水深数据非线性、非平稳性的特点,将二维经验模态(BEMD)和最小二乘支持向量机(LSSVM)引入到多波束水深数据异常值探测中,构建BEMD和LSSVM混合模型。首先,利用二维经验模态将多波束水深数据分解为不同频率的若干个本征模态函数;然后,考虑到异常数据处在高频部分,利用最小二乘支持向量机探测高频本征模态函数(IMF1、IMF2)中包含的异常值;最后,综合两组异常值判定原始水深数据中异常数据。通过实验证明方法的可行性且相比单一模型取得更好的异常值探测效果。     

一种针对滩涂LiDAR强度信息的条带噪声修正方法

针对滩涂机载激光雷达(LiDAR)数据的强度信息中存在的条带噪声,提出一种基于非线性RANSAC拟合强度联合直方图的修正算法。所提方法首先利用两个航带重叠区域数据的最近点构建强度联合直方图,之后强度联合直方图上利用二阶多项式构建归一化模型,再利用非线性RANSAC算法对二阶多项式进行拟合,最后利用拟合的二阶多项式对一条航带的数据进行强度修正,从而消除两个航带点云强度信息的不匹配现象。实验表明,相比于直接利用权重最小二乘法或RANSAC方法匹配联合直方图的强度修正方法,本文方法修正效果更好,且修正后航带重叠区的点云强度具有更好的同质性。     

基于LiDAR回波强度数据的潮间带植被滤波方法

地面三维激光扫描技术以其高精度、高密度等优点,在潮间带地形测量中得到了非常广泛的应用。为了对潮间带地形地貌进行精确反演,必须对点云数据中的非地面点(主要是植被点)予以滤波。对地面三维激光扫描回波强度数据的距离效应进行改正,利用改正后强度数据实现了一种快速精确的植被滤波方法。实验结果表明:与商业软件利用点云几何信息进行植被滤波相比,根据回波强度数据进行植被滤波的精度约为75%,且大大减少了计算量,对潮间带高精度三维地形重构有重要研究意义和应用价值。     

多站激光扫描点云配准算法研究

随着Li DAR的迅速发展,三维激光扫描技术已经被广泛运用于各个领域。点云数据配准过程中,传统的配准算法比较依赖特征点匹配精度,粗差点的存在会较大程度地影响配准精度和配准效率。通过对罗德里格矩阵、整体最小二乘原理的分析,提出了一种基于整体最小二乘的罗德里格矩阵算法。在该算法实现的过程中,能够考虑到系数矩阵误差,降低算法实现过程中特征点坐标误差对参数求解的影响。实验结果表明,本文算法比参数算法和严密的罗德里格算法精度更高、稳定性更强,在初始对应点坐标误差较大的情况下仍能获得精度较为稳定的变换参数。     

奇偶交叉样本检核在测深数据模型构建中的应用

利用最小二乘支持向量机(LSSVM)算法构造稳健的海底趋势面需要对多波束测深数据进行筛选,得到反映测深数据整体变化趋势的训练样本。根据多波束测深数据采集的特点提出单个扇区测深数据奇偶交叉样本检核的方法,并利用选取的训练样本对测深数据模型进行构建,通过测试样本的交叉检核及调整核参数得到精确的模型。为了检验奇偶交叉样本检核法的有效性,选取实测的多波束测深数据进行验证,计算结果表明奇偶交叉样本检核法可以合理的选取测深训练样本,构建的测深数据模型更为有效。     

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。     

基于最小二乘支持向量机的声速空间变化模型构建

建立声速空间变化模型是解决声速剖面代表性误差的有效方法。在对不同声速剖面进行标准化处理的基础上,通过声速训练样本及核函数的选取,提出并实现了一种基于最小二乘支持向量机算法的声速空间变化模型构建方法。为了检验该方法的有效性,选取实测的声速剖面数据进行验证,结果表明该方法能有效地构建声速空间变化模型,从而消除或最大限度地削弱声速剖面代表性误差。     

基于SVM的气候持续法在热带气旋路径预报中的应用试验

本文利用气候持续性因子,分别采用支持向量机法、神经网络法及最小二乘回归法建立西北太平洋地区12、24、36、48h热带气旋路径预报模型.通过1997～2002年的试报.支持向量机法明显优干回归方法和神经网络法,12h的预报水平分别提高了4.97%和2.75%,而且随着预报时效的延长,这种优势越来越明显,4Sh的预报水平提高了11.92%和7.88%.     

基于Jason-2为真值的HY-2高度计海况偏差估计参数模型改进及应用研究

本文基于HY-2高度计与Jason-2高度计时空匹配数据集,将匹配点Jason-2的海况偏差视为真值、HY-2的有效波高和风速为变量,利用最小二乘法建立海况偏差估计六参数模型。将所建模型应用于HY-2第70、71cycle数据,结果表明:改进后的海况偏差估计参数模型优于传统海况偏差估计参数模型,能够有效提高HY-2的海况偏差估计精度。     

基于PSO-LSSVM的局部海洋三维地磁场建模方法

局部海洋地磁场模型可以为水下地磁匹配导航与磁性目标探测等工作提供高精度的海域地磁背景场数据。针对目前区域地磁场模型构建方法中未考虑到高度或深度变化的影响,截断阶数难以确定及存在边界效应等问题。根据海洋磁力测量的特点,顾及磁测点高度数据,引入粒子群优化的最小二乘支持向量机法(PSO-LSSVM)构建局部海洋三维地磁场模型。在仿真与实测数据建模试验中,与Taylor多项式法、BP神经网络法及曲面样条函数法比较,结果表明,无论是在地磁变化平缓区还是复杂区,PSO-LSSVM法的建模精度均是最高的,建议在局部海洋地磁场模型构建中采用。     

一种基于偏度平衡的LiDAR点云滤波方法

在地形起伏区域,针对免阈值的偏度平衡滤波方法存在利用高程难以满足算法假设条件、利用强度信息面临异物同强度等问题,提出基于高差的偏度平衡方法。该方法是在点云与初始地面TIN间高差计算的基础上,采用偏度平衡方法进行LiDAR点云滤波。利用ISPRS提供的测试数据对该方法进行实验,结果表明:在地形起伏区域,点云高差能够满足偏度平衡方法的假设条件,并且基于高差的偏度平衡方法滤波有效。     

滩涂机载LiDAR点云数据滤波方法研究

机载LiDAR点云数据滤波是制作高精度数字地形产品的重要环节。通过分析常用滤波算法基本原理、滩涂机载LiDAR点云数据的特点,提出了一种基于潮汐水位高程约束,移动窗口滤波与三角网渐进加密滤波组合的滤波方法。试验表明:该滤波方法获取的滩涂地形有效点云数据质量与人工滤波结果相当,在一定程度上提高了滩涂区域机载LiDAR点云数据滤波的效率,为快速获取滩涂区域数字高程模型提供了有效途径。     

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。