SVM方法在扇体砂岩厚度预测中的应用

基于小样本学习理论的支持向量机(SVM)方法可用于建立非线性函数预测模型。利用支持向量机方法,根据样本数据采用自动拟合的方法构造核函数,使得建立的关系不仅具有较高的拟合精度,而且具有较好的推广性。地震波的频谱与其波形的关系是互为正、反傅立叶变换的关系,所以地震波的波形及其频谱是同一物理现象的两种不同的表达形式。波形特征沿纵横方向上的变化反映了地层介质在纵横方向上的差异;反射波频谱上的差异则反映了岩性和流体成分的不同以及地层厚度的变化等。直接由地震波波形预测扇体砂岩厚度,不仅充分利用了地震波信息,而且极大地提高了预测模型的准确性。模型及实例验证了该方法的适用性。     

赤潮随机梯度回归分析

赤潮的危害日益严重,为了预测赤潮的发生,运用回归树的随机梯度Boosting算法分析渤海赤潮数据, 建立浮游植物总量与环境因子的定量关系,给出各种环境因子对浮游植物总量相对影响的大小以及浮游植物总量和各种环境因子偏相关的图形,有利于探索赤潮的发生机制,指导菌种的培养. 最后,相比其它算法,回归树的随机梯度Boosting对于＂局部剧增＂的赤潮数据是稳健的,而且具有较高的预测精度.     

基于最优极化特征组合的SAR影像湿地分类

快速、准确的湿地地物分类是实现湿地精准监测的基础。为进一步研究湿地地物显著极化特征对分类结果的影响,提出了基于最优极化特征组合的SAR影像湿地分类方法。该方法利用箱型图等方式,在特征选择因子等准则下从多种极化分解方法选择最优极化特征进行组合,并在此基础上实现分类。首先,为了简化极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）影像并降低其斑点噪声,对互易处理后的极化SAR影像进行多视化和精致Lee滤波。然后,进行6种极化分解,得到多种极化特征。再之,利用箱型图、Cloude-Pottier平面散点图和均值散点图详尽分析上述极化特征和双台河口湿地典型地物散射机制间的相关性,并据此在特征选择因子、特征判断因子、H/α平面等和均值标准差的准则下选择最优极化特征组合。最后,以上述最优极化特征组合为输入,设计支持向量机（Support Vector Machine, SVM）分类器,实现湿地的最优分类。本文以辽宁省盘锦市辽河入海口双台河口湿地为例,采用2016年7月的C波段Radarsat-2全极化数据验证最优极化特征组合的有效性。结果表明：① Cloude-Pottier分解的H、A和α、MCSM （Multiple-Component Scattering Model ）分解的表面散射、Pauli分解的T₃₃与Yamaguchi3分解的表面散射和二面角散射为最优极化特征;② 使用最优极化特征组合不仅可以减少极化特征冗余,还可以提高各湿地地物的生产者精度、分类总精度及Kappa系数,其中各湿地地物的生产者精度提高1%~5%,分类的总精度可达到94.25%,Kappa系数达到93.63%。     

UL-Isomap based nonlinear dimensionality reduction for hyperspectral imagery classification

The paper proposes an upgraded landmark-Isometric mapping (UL-Isomap) method to solve the two problems of landmark selection and computational complexity in dimensionality reduction using landmark Isometric mapping (LIsomap) for hyperspectral imagery (HSI) classification. First, the vector quantization method is introduced to select proper landmarks for HSI data. The approach considers the variations in local density of pixels in the spectral space. It locates the unique landmarks representing the geometric structures of HSI data. Then, random projections are used to reduce the bands of HSI data. After that, the new method incorporates the Recursive Lanczos Bisection (RLB) algorithm to construct the fast approximate k-nearest neighbor graph. The RLB algorithm accompanied with random projections improves the speed of neighbor searching in UL-Isomap. After constructing the geodesic distance graph between landmarks and all pixels, the method uses a fast randomized low-rank approximate method to speed up the eigenvalue decomposition of the inner-product matrix in multidimensional scaling. Manifold coordinates of landmarks are then computed. Manifold coordinates of non-landmarks are computed through the pseudo inverse transformation of landmark coordinates. Five experiments on two different HSI datasets are run to test the new UL-Isomap method. Experimental results show that UL-Isomap surpasses LIsomap, both in the overall classification accuracy (OCA) and in computational speed, with a speed over 5 times faster. Moreover, the UL-Isomap method, when compared against the Isometric mapping (Isomap) method, obtains only slightly lower OCAs.     

基于影像交叉学习的CBERS CCD波段模拟

与TM/ETM+相比,CBERS CCD缺少2个红外波段(波段5和波段7),这便导致了许多针对TM/ETM+数据的图像处理方法难以直接应用于CBERS CCD图像.为此,采用基于影像交叉学习的波段模拟方法,即以ETM+数据作为先验知识,通过支持向量回归( Support Vector Regression,SVR),拟...     

基于支持向量机的CloudSat卫星云分类算法

从基于云角色的分类思想出发,利用星载毫米波雷达探测资料提取云的特征参数,建立支持向量机（support vector machine,SVM）模型实现云的分类。通过与BP（back propagation）网络模型的分类结果进行对比,发现两种模型都具有较好的分类能力,但SVM模型的识别准确率更高,计算速度更快。基于CloudSat资料的云分类实例表明,SVM模型的分类结果与CloudSat数据处理中心（Data Processing Center,DPC）发布产品具有很好的一致性。     

一种适用于长弧段的初轨计算方法

根据单位矢量法测轨原理，在人造卫星初轨计算的单位矢量法基础上，给出了一种适用于长弧段的初轨计算方法．该方法既适用于长弧段，也适用于短弧段；适用于各种不同类型的观测资料和任意偏心率、任意轨道倾角的人造地球卫星；有利于提高初轨测定精度；并改善整个计算收敛性．特别需要指出的是，该方法与有摄初轨计算的单位矢量法相结合，为单位矢量法从初轨计算推广到轨道改进打下了坚实的基础．     

总体最小二乘法在初轨计算中的应用

在分析了UVM2方法条件方程特点的基础上,将总体最小二乘法(TLS)引入轨道计算中,避免了原算法中对活力公式的线性化处理．仿真和实测计算结果表明,将TLS应用于UVM2是有效的．     

基于SVM的含约束地球化学单元素异常圈定方法及应用

地球化学元素异常的空间分布受限于地质背景、矿产空间分布和景观特征等因素,单元素异常图的绘制不应仅依据采样数据由计算机追踪等值线图的方法自动勾绘。传统的手工圈定方法效率低、受人为因素影响大。基于SVM(Support Vector Machine,支持向量机)提出了一种可以考虑地质约束的单元素异常圈定方法,并加入地质单元分区、地质构造等约束条件。该方法可以高效绘制出单元素异常图,并成功应用于2个实例中。     

基于SVM的资源三号测绘卫星影像分类

以江苏省宜兴市为研究区,利用支持向量机(SVM)方法对资源三号测绘卫星影像进行了分类,其总分类精度为97.76%,Kappa精度为0.968 7。为了评价算法的适用性,同时应用最大似然法与最小距离法对同一影像进行分类测试,支持向量机分类法精度高于其他2种方法,可以满足土地覆盖分类调查需求。