对鹧鸪菜藻体细胞多核现象的观察

用Wittamann法染色观察到鹧鸪菜体细胞存在多核现象。其细胞核的数量随细胞大小、类型、细胞在藻体上的位置及老嫩程度等不同而异,较小型幼嫩的细胞核较少,大型老成的细胞核较多。顶细胞和藻体边缘的小细胞通常为单核,而成长的中肋细胞和假根细胞总是多核的。一个老成中肋细胞最多可有10多个核,假根细胞最多可有20多个核。鹧鸪菜细胞的多核现象对其种族在自然界的适应和生存具有积极的意义。     

基于SVM的多源遥感影像面向对象建筑物提取方法

在分析支持向量机(Support Vector Machine,SVM)分类技术和机载激光雷达(LIDAR)数据、航空影像特征的基础上,提出了基于SVM的LIDAR数据和航空影像的面向对象建筑物提取方法。结果表明,该方法充分利用了多源影像的互补信息,能够得到更高的信息提取精度,准确而快速地更新地理空间数据库,是一种有效的面向对象建筑物提取方法。     

基于灰色支持向量机的地铁沉降滚动预测

为了确保地铁隧道主体结构和周边环境安全,必须对地铁隧道结构进行沉降监测,对监测数据进行及时分析与反馈,并对以后的沉降情况作出预测,对防止事故发生有着重要的现实意义。本文结合灰色系统理论和支持向量机(SVM)的基本原理,采用滚动预测的方式建立灰色支持向量机沉降预测模型,以提高沉降预测精度。通过工程实例的预测结果对比表明,组合模型与灰色和SVM两个单独预测模型相比能够更准确的反映实际的沉降过程,具有很大的应用价值。     

高维遥感图像的快速分类算法

为了实现对高维遥感图像的快速准确分类,提出了一种基于k均值二叉树支持向量机(SVM)的分类方法。该方法通过对选取的训练样本进行k均值聚类,生成支持向量机分类二叉树,作为确定最佳分类顺序的依据,以降低分类过程中的误差累积并提高整体分类精度,而且可缓解由样本数量不均衡导致的分类误差。该方法可在不进行降维处理的情况下,对高维遥感图像进行快速准确分类。测试结果表明,其分类速度和分类精度都优于传统的支持向量机分类结果。     

局部均值分解与支持向量回归的大坝变形预测

针对现有变形预测方法对于大坝变形的预测效果不理想的问题,该文利用局部均值分解方法获取生产函数分量并进行支持向量回归建模,用此方法对大坝变形进行多尺度分析。通过局部均值分解对大坝变形序列进行分解得到其乘积函数分量,然后利用支持向量机回归进行外推预测,再把各乘积函数分量的预测结果进行叠加重构生成,进而获得大坝变形预测值。通过实例分析,比较GM(1,1)、支持向量机和该文方法3种模型在变形监测数据处理中的拟合和预测结果,表明该文方法充分发掘数据本身所蕴含的物理机制和物理规律,提高了大坝变形多尺度预测精度。     

四川省典型地貌类型区土地利用信息提取研究

以Landsat8影像作为遥感数据源,采用面向对象SVM和面向像元最大似然分类算法,分别对四川省3种不同地形的典型地区,进行土地利用遥感信息提取,对提取结果进行对比分析,并探讨了这两种方法的适用性。研究结果表明,在中山地区和川西平原地区,SVM的分类精度更好。川中丘陵地区,最大似然分类能更好地处理边界问题,精度略高。     

基于UHD185成像光谱仪的茶叶叶绿素含量反演

UHD185成像光谱仪可分析茶叶中叶绿素的含量,从而快速、无损地鉴定茶树的健康状况和茶叶的品质。以华中农业大学茶园为研究区,通过无人机搭载UHD185成像光谱仪进行光谱测量和叶绿素含量测定,利用偏最小二乘法回归(PLSR)、向前逐步回归结合PLSR和支持向量机(SVM)非线性回归方法建立光谱数据和叶绿素含量的反演模型。结果表明,利用PLSR建立的回归模型得到的叶绿素预测值和实测值的相关系数为0.65;利用向前逐步回归结合PLSR建立的回归模型得到的叶绿素预测值和实测值的相关系数达到0.78;SVM非线性回归建模的相关性较高,预测值和实测值的相关系数为0.88。因此,可利用向前逐步回归结合PLSR和SVM非线性回归作为茶叶叶绿素含量的反演模型。     

海洋涡旋在模态水形成与输运中的作用

模态水在全球气候变化中有着重要作用.但是由于缺乏海洋次表层的高分辨率观测,对空间尺度为百公里的海洋中尺度涡旋如何影响空间尺度大于千公里的模态水的认识仍然欠缺.为了解决这一科学难题,在科技部的支持下,实施了一次成功的海上观测试验.系统梳理了基于该观测数据所发表的有关涡旋影响模态水潜沉和输运的主要研究成果:①捕捉并揭示了中尺度涡导致混合层水潜沉的过程和动力机制;②发现了中尺度涡携带模态水迁移的新路径;③阐明了模态水多核结构的形成机制.研究结果揭示了黑潮延伸体海域中尺度涡旋影响大尺度模态水的物理本质,为该海域多时空尺度海洋—大气相互作用作出了一定的贡献.通过对该次观测试验结果的分析和总结,得到了如下新的科学推论:海洋次中尺度过程对模态水的形成和耗散也具有重要影响.     

基于粒子群算法优化SVM的GPS高程拟合方法

采用支撑向量机(Support Vector Machine,SVM)模型进行GPS高程拟合时,拟合精度受模型参数(核参数和惩罚因子)选择影响较大,传统交叉验证法存在计算复杂,易陷入局部最优的问题.本文将粒子群(Particle Swarm Optimization,PSO)算法引入SVM模型,利用PSO全局搜索能力强...