主元分析变换空间上的鉴别共同矢量人脸识别方法

给出了在主元分析(PCA)变换空间上求取DCV投影矩阵的方法(PCA+DCV),在保留所有鉴别信息的条件下,显著降低了算法复杂度,提高了运算效率.进一步提出了依据主元成分对应特征值进行适度权重的DCV识别方法(WPCA+DCV),一定程度上减小因光照、饰物遮挡等造成的面部变化带来的识别影响,增强表征信息,提高识别率.在ORL、YALE和AR人脸库上的实验结果证实了本方法的性能.     

基于模糊聚类的海水水质监测技术研究

海水水质监测数据纷繁复杂,为了在海量的数据中提取有效数据进行分析,采用模糊聚类实现对监测数据的分析处 理。对监测数据分析结构做了简要说明,接着分析模糊聚类C 聚类均值算法（FCM） 不足之处,提出了基于不完整数据样本 的FCM 算法,最后采用海水赤潮数据不完整样本进行实例仿真,实验证明,该算法在处理不完整样本数据时有一定的优势。     

我国海岸潟湖卫星遥感分类方法研究

参照Landsat-5TM和HJ-1CCD遥感影像,依据实地踏勘资料及解译经验,分析各种海岸潟湖地貌学成因和发育演变阶段,提出基于潟湖地貌学成因的遥感分类方法。并将我国海岸潟湖划分为滨外坝型、沙坝型、沙嘴型、湾顶坝型、连岛坝型和河口型共6种地貌类型。建立基于发育演变阶段的潟湖遥感分类标准,将海岸潟湖分为青壮年期、老年期和死亡期共3个发育演变过程;结合潟湖在影像中的特征,以近红外、红、绿波段组合后的假彩色影像为例,从色彩、纹理、地物邻接关系等方面建立不同潟湖类型的遥感解译标志;根据所建立的遥感解译标志,对山东省53个海岸潟湖进行遥感分类验证,结果吻合。     

遥感技术在我国海冰研究方面的进展

本文首先对遥感技术在我国海冰研究中的发展情况作了详细地论述,并介绍了几种常用于海冰研究的遥感数据;其次,从海冰厚度识别、海冰运动速度矢量计算、海冰资源量测算以及海冰灾害监测等四个方面,简单论述了遥感技术在海冰研究中的应用。最后,以渤海海冰为例,阐述了遥感技术的具体应用,同时指出了今后的发展方向。     

集成学习和动态融合算法在福建省短时强降水预报中的应用

为了提高短时强降水预报准确性,在2019—2020年4—9月福建省逐时降水实况观测资料与中国气象局广东快速更新同化数值预报系统(CMA-GD)模式预报产品的基础上,应用LightGBM集成学习算法框架,建立以30 mm·h^-1为阈值的逐时降水预报模型。通过特征处理、自助聚合及超参数搜索等技术对模型进行优化,结合AUC、AUPR与传统分类指标,设计了包括业务模拟测试在内的多项试验,通过对比各建模方案验证了模型对于较长时效的短时强降水预报的适用性。结果表明:模式预报本身的命中率和空报率均较高,各建模方案具有不同程度的改善作用。自助聚合可以增强模型预测稳定性,轻微不平衡子训练集能降低模型预测空报率而取得更高的综合评分,在验证集中最佳TS评分可达17.5%;对分类信息增益贡献最大的特征变量为K指数,其次为500 hPa露点温度和时间参数特征;试验指标从优到劣依次为:随机交叉验证、小时划分的随机交叉验证、业务模拟测试,可见模型有效性主要来自相同或相邻时刻的样本信息;设计基于逻辑回归的异质模型动态融合方案以改善静态同质模型表现,各项指标均有小幅提升,在命中率接近50%时削减空...     

粒子群优化广义回归神经网络与HHT样本熵结合的地震辨识研究

天然地震与人工爆破信号具有许多相似的特性,为实现地震类型的准确辨识,提出一种基于粒子群优化广义回归神经网络和HHT样本熵的地震类型辨识新方法．该方法先通过经验模态分解（EMD）将初始信号分解成6个本征模态函数（IMF）及1个残余向量,对前三个IMF进行Hilbert变换得到瞬时频率和瞬时能量,进而提取出样本熵并构造神经网络训练集与测试集;利用粒子群算法和训练集优化广义回归神经网络的光滑因子参数值,建立PSO-GRNN分类模型．将该模型结果与BPNN模型、GRNN模型、PNN模型及RBFNN模型等神经网络模型进行性能对照,得到该模型单次识别的准确率、MAE、MAPE、RMSE R2及MSE分别为95%、0.1604、0.1204、0.2381、0.7123、0.0567,绝大多数性能评价指标优于其他4种神经网络模型．该研究建立的PSO-GRNN模型性能较稳健,在100次循环随机试验中辨识效果仍然较突出,计算得到的上述评价指标均值为97.42、0.04、0.04、0.12、0.89、0.02,其对应的标准差为3.53、0.05、0.04、0.08、0.11、0.02,将PSO-GRNN模型...     

小样本岩土参数下土质边坡可靠度分析的条件概率法

岩土勘察取样数量有限是土工参数统计不确定性的重要来源,小样本条件下参数估计偏差向可靠度计算环节传递,导致分析结果呈现不确定性.针对小样本岩土参数X,围绕样本平均值(X-)构造具有不同随机偏离程度的一系列假想参数总体均值μ*,以μ*i的不同取值为发生条件P(Bi)、对应的可靠度计算结果Pfi为条件概率P(A|Bi),基于...     

Backward automatic calibration for three-dimensional landslide models

Back-analysis is broadly used for approaching geotechnical problems when monitoring data are available and information about the soils properties is of poor quality.For landslide stability assessment back-analysis calibration is usually carried out by time consuming trial-and-error procedure.This paper presents a new automatic Decision Support System that supports the selection of the soil parameters for three-dimensional models of landslides based on monitoring data.The method considering a pool of possible solutions,generated through permutation of soil parameters,selects the best ten configurations that are more congruent with the measured displacements.This reduces the operator biases while on the other hand allows the operator to control each step of the computation.The final selection of the preferred solution among the ten best-fitting solutions is carried out by an operator.The operator control is necessary as he may include in the final decision process all the qualitative elements that cannot be included in a qualitative analysis but nevertheless characterize a landslide dynamic as a whole epistemological subject,for example on the base of geomorphological evidence.A landslide located in Northeast Italy has been selected as example for showing the system potentiality.The proposed method is straightforward,scalable and robust and could be useful for researchers and practitioners.     

东坪地区TM数据预处理及金矿蚀变信息提取方法研究

通过用经典公式法计算大气分子散射及用水体计算气溶胶散射来对TM数据进行大气散射校正和TM数据地物的物理意义的恢复处理。结合东坪地区蚀变矿物反射光谱曲线提出了TM数据蚀变信息提取方法,结果表明,该方法所提取蚀变信息与已知金矿床(点)有很好的对应关系,比常规的比值方法提高了准确度。