基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

基于阈值区间的海洋锋面提取模型

A model （Bayesian oceanic front detection, BOFD） of sea surface temperature （SST） front detection in satel- lite-derived SST images based on a threshold interval is presented, to be used in different applications such as climatic and environmental studies or fisheries. The model first computes the SST gradient by using a Sobel algorithm template. On the basis of the gradient value, the threshold interval is determined by a gradi- ent cumulative histogram. According to this threshold interval, front candidates can be acquired and prior probability and likelihood can be calculated. Whether or not the candidates are front points can be deter- mined by using the Bayesian decision theory. The model is evaluated on the Advanced Very High-Resolution Radiometer images of part of the Kuroshio front region. Results are compared with those obtained by using several SST front detection methods proposed in the literature. This comparison shows that the BOFD not only suppresses noise and small-scale fronts, but also retains continuous fronts.     

基于GA参数辨识的直流伺服电机PID调节器的设计

针对数控火焰切割机自动调高系统的特点和要求,采用遗传算法对其位置调节器PID参数进行全局优化辨识,有效地解决了直流伺服电机的控制精度和快速性的问题.仿真结果表明,与传统的参数辨识法相比,遗传算法参数寻优使自动调高系统的动态性能大幅提高,具有很强的鲁棒性.     

区域Gamma混合模型的SAR图像分割

针对传统Gamma混合模型用于SAR图像分割时忽略像素间空间相关性,导致分割结果不连续并产生大量误分割的现象,提出了区域Gamma混合模型的SAR图像分割算法。首先对图像进行分水岭分割,得到过分割区域块,然后将其作为输入样本进行基于Gamma混合模型的聚类,在模型的参数估计过程中进一步考虑区域间的空间相关性,设计邻域因子融入到迭代过程,得到邻域加权类分布概率。该算法充分利用像素间的空间相关性,能够降低噪声对分割结果的影响。通过合成图像和真实SAR图像的实验表明,本文算法能够实现SAR图像的准确分割。     

基于北京二号影像辅助nDSM的建筑物自动提取

针对建筑物提取方法缺乏泛化性的问题,本文提出了将nDSM、北京二号影像、NDVI、BAI的七通道图像相结合作为数据源的提取方法。采用随机森林、梯度提升机、支持向量机、BP神经网络分类器对建筑物进行提取获取最佳分类器模型,并运用二值化与开闭运算,以建筑物面积与最小外接矩形面积的比值为阈值,对建筑物分别进行最小外接矩形、DP算法拟合,优化建筑物提取结果。试验结果表明,梯度提升机(GBDT)较其他分类模型在不同场景下综合效果较好,F-score精度更高。     

最小割与深度学习联合优化的室内粘连点云分割方法

随着数字城市的发展,城市三维模型重建对三维点云结构化的需求与精度要求越来越高。如何有效准确地分割室内语义模型与三维重构是当前研究的热点问题。点云分割分类是室内点云结构化的重要基础,如何将粘连点云构件进行准确分割并用于室内点云结构化,是当前城市建模的难点。本文提出了一种面向室内粘连点云数据的分割分类方法。首先,利用深度学习网络处理室内点云数据;其次,对点云数据进行标签分类,得到目标标签点云;然后,利用欧氏算法对目标点云进行聚类分割,通过室内语义构件包围盒信息计算各目标中心点坐标与水平半径;最后,利用点云最小割实现室内粘连点云的准确分割。利用3组室内场景中获取的数据对分割方法的精度及有效性进行了验证。结果表明,该分割优化方法具有较高的精度与数据完整性。     

基于TEA算法的地理信息数据安全保护技术及验证分析

地理信息数据是国家国防建设和国民经济发展的重要基础数据,随着数字化、信息化及云计算等技术的发展,地理信息数据的安全威胁日益严峻,本文面对移动平台上地理信息数据安全存储、高效传输和实时信息解密及处理等挑战,提出了一种基于TEA算法的地理信息数据安全保护技术,该技术采用循环迭代的移位和异或运算实现对地理信息数据的加密和解密,可以实现移动平台端地理信息数据的高安全加密存储和高性能实时解密处理,并采用该算法对SRTM数据进行处理和分析。试验结果表明,基于TEA算法的地理信息数据加密技术可以有效实现地理信息数据的加密及解密处理,满足移动系统对地形数据的高安全存储和高性能处理的要求。     

基于改进麻雀搜索算法优化BP神经网络的PM_(2.5)浓度预测北大核心CSCD

针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM_(2.5)浓度进行预测。通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34。试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM_(2.5)浓度。     

一种基于改进CoHOG的视觉SLAM算法

移动机器人在SLAM的闭环检测环节计算量大、运行时间长、匹配误差大,从而导致闭环检测精度较低。针对该问题,本文在CoHOG闭环检测算法的基础上进行改进,将算法中的HOG描述符改进为GDF-HOG描述符,以增强图像特征表现,提高图像特征提取效率;在匹配环节前添加GDF-HOG全局粗匹配,以减少视觉模板的数量,提高算法的计算效率;在匹配环节后添加感兴趣区域（ROI）位置匹配进行检验,以减少闭环检测的假阳性,提高准确率。将本文闭环检测算法与RatSLAM相结合,在公开数据集与真实环境中进行测试,测试结果表明,本文算法在闭环检测环节的准确率较高,且对环境的适应能力较强。     

熵值理论和改进BP网络在湖泊富营养化评价中的应用研究

针对湖泊型饮用水源地水体污染、富营养化加剧的问题,引入熵值理论,建立单指标营养状态指数(TSI)和熵权藕合的湖泊综合营养状态指数模型(STSI),计算得到湖泊综合富营养状态指数判断湖泊富营养综合状态;基于神经网络仿真理论和Matlab软件系统,采用附加动量法和自适应学习速率改进BP算法,建立5-3-1结构型式的BP网络模型对湖泊富营养状态进行仿真预测。综合富营养化指数模型及改进BP模型应用于评价及预测固城湖富营养状态,并对模型评价结果进行验证。结果表明,改进BP网络模型可以有效地综合判断水体状态,为富营养评价及预测提供新的方法。