基于支撑向量机概率输出的高光谱影像混合像元分解

提出利用支撑向量机（SVM）后验概率来分解高光谱影像的混合像元，通过支撑向量机的输出值转化为两两配对的后验概率，再由两两配对的概率值求得多类后验概率，并以像元所属类别的后验概率作为地物的组分信息。实验结果表明，该方法能较好地估计出混合像元的组分比。     

使用VMware模拟双机HA环境及其应用前景

介绍使用虚拟计算机的概念和发展现状及VMware主要产品的区别,对于VMware的3个主要产品Work-station、GSX Server和ESX Server,给出了合理的使用建议,并论述了采用虚拟机所带来的好处以及在国家气象信息中心的应用前景。该文还介绍了VMware GSX Server的使用方法和注意事项。最后通过逐步的讲解,实现了一个虚拟的Suse Linux双机加共享存储阵列的高可用测试(HA)环境,以替代现实中昂贵的硬件环境。     

使用SVM进行短期气候预测的应用试验

从气象角度介绍了利用SVM方法的预报原理,对西安短期气候预测做了实验,并分析预报结果,得出SVM方法在天气预报领域有一定的使用空间的结论。     

战场环境可视化中多源遥感影像数据处理

介绍了将多源遥感影像数据应用于战场环境可视化之前的主要预处理方法,如影像金字塔生成、纹理数据结构准备、纹理快速调用等。该过程中所用到的小波变换、四叉树数据结构与细节层次算法等关键技术,能够有效地提高战场建模的真实感和效率。     

基于虚拟观测的病态问题解法

在大地测量数据处理领域中,处理病态问题的主要方法有:岭估计方法、奇异值分解法(SVD)、Tik-honov正则化方法等,但是这些方法大多数是强调数学上的意义,没有充分联系大地测量的实际情况,因此不利于在测绘领域病态问题本质的理解和研究。为使病态问题的求解具有实际的物理意义,提出了基于虚拟观测的岭估计方法。该方法将先验约束条件作为一类互相独立的虚拟观测值,从而把病态问题转化为测量平差问题,然后运用Helmert方差估计法来确定岭参数。该方法还可以得到的参数之间的权矩阵,用它来代替虚拟观测值的权矩阵,重新对参数进行计算,则实现了该方法向广义岭估计的推广。实际算例分析的结果表明该方法不仅计算简单而且能保证结果精确。     

基于小波分解和最小二乘支持向量机的西太平洋副高预测模型

用小波分解（WT）和最小二乘支持向量机（LS-SVM）相结合的方法,建立西太平洋副热带高压面积指数的预报模型。该方法首先将西太平洋副热带面积指数（SI）分解为相对简单的带通分量信号,利用LS-SVM建立各分量信号的独立预报模型,然后对预报结果进行集成。为了评估和比较该方法的预报效果和技术优势,最后比较了在同等条件下WT～LS-SVM模型和神经网络、线性回归模型的独立检验预报效果。试验结果表明,该方法具有泛化能力强、预报精度高、训练速度快、稳定性好、便于建模等优点,具有良好的应用前景。     

潜孔锤跟管钻进技术在小浪底水利观测孔工程的应用

在黄河小浪底水利枢纽观测孔工程中,采用气动潜孔锤跟管钻进结合双动力头钻机成功地解决了普通气动潜孔锤及常规钻进工艺在厚度达50 m渣石层成孔难的问题。     

某动力机器基础动力学分析

当动力机器基础体积较大时,采用《动力机器基础设计规范》(GB 50040-96)推荐的简化计算方法进行动力计算,计算结果可能具有较大的误差而不能用于工程设计,此时进行三维数值分析是必要的。在介绍弹性动力学分析的基础上,使用通用有限元软件ANSYS8.0,对某设备基础进行了模态分析和谐相应分析,得出了该动力机器基础的低阶固有频率准确值,以及该动力机器基础随外部荷载频率改变的振幅变化曲线,进而得出一些重要结论,为该工程设计提供了可靠参考。     

加权支持向量回归机及其在水质预测中的应用

支持向量机是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法。本文对用于回归估计的标准支持向量机加以改进，提出了一种新的用于回归估计的支持向量机学习算法，针对各样本重要性的差异，给各个样本的惩罚系数和误差要求赋予不同权重，并利用加权支持向量回归机的理论及其算法构建水质预测模型。实验结果表明，该方法对水质具有较好的预测效果。     

基于支持向量机的遥感大雾判识

提出了一种基于支持向量机的卫星遥感数据大雾判识方法:首先通过对风云1D卫星大雾区域的各通道辐射值出现频次进行概率统计,利用其阈值来粗判识大雾;然后在粗判识的基础上通过支持向量机的方法进行大雾细判识;最后利用腐蚀和膨胀的图像处理技术对判识后的图像进行优化处理。在对我国2006年9-12月的65条监测到大雾的风云1D轨道的探测数据进行分析之后,发现大雾判识结果与专家标记吻合。检验结果表明,利用1、2、4、6、7、10通道组合进行粗判识的结果最好,5交叉正确率为89.9849%,TS评分为74.04%。利用上述方法对个例的分析检验表明,基于支持向量机的遥感大雾判识方法是切实可行的。