本实验针对马铃薯干腐病潜育期到发病期的诊断方法进行研究,利用时序高光谱对病害发生过程中的病症特征进行分析和提取,并基于时序性特征采用动态时间弯曲(dynamic time warping,DTW)聚类算法对时序关键点进行分析,即对发病期初始点进...本实验针对马铃薯干腐病潜育期到发病期的诊断方法进行研究,利用时序高光谱对病害发生过程中的病症特征进行分析和提取,并基于时序性特征采用动态时间弯曲(dynamic time warping,DTW)聚类算法对时序关键点进行分析,即对发病期初始点进行诊断。本研究在数据预处理中使用图像阈值分割算法提取动态感兴趣区域,利用概率密度比算法剔除病害光谱异常值,在对比病症的光谱与外观后,发现马铃薯干腐病的光谱具有非单调性特征,再基于该非单调性特征使用高斯核函数的主成分权重系数法进行光谱特征提取。最后基于病害特征,利用模糊聚类方法判定时序关键点,其结果正确率仅为66.7%;针对特征时序性再利用DTW聚类算法判定时序关键点,其结果正确率达94.4%。本实验研究表明基于DTW的时序高光谱诊断方法能对马铃薯干腐病发病期进行有效诊断。展开更多
地面沉降是全球公认的重要灾害,不同受灾区域的地面沉降处于不同发展阶段,准确地认识地面沉降的发展是防治地面沉降灾害的关键。针对地面沉降各发展阶段的不同特征,提出了一种自适应聚类算法(improved adaptive density peak clustering...地面沉降是全球公认的重要灾害,不同受灾区域的地面沉降处于不同发展阶段,准确地认识地面沉降的发展是防治地面沉降灾害的关键。针对地面沉降各发展阶段的不同特征,提出了一种自适应聚类算法(improved adaptive density peak clustering algorithm based on K-nearest neighbors,简称IADPC-KNN),结合粒模型理论,归纳总结了地面沉降发展模式及其映射规律。首先,采用动态时间弯曲方法(dynamic time warping,简称DTW)作为数据间的距离度量,将IADPC-KNN与其他5种聚类算法,在7个公开的数据集进行测试,结果表明IADPC-KNN具有较高精度及较好鲁棒性。其次,收集全球14个受灾区域的地面沉降监测数据,经过数据处理、序列提取、聚类分析、粒模型构建、规则归纳等步骤,得到4类地面沉降模式及其映射关系。最后,采用某地2017―2019年的监测数据进行验证,结果表明该地2018年以后的地面沉降模式有0.3592的概率属于模式4,与实际沉降发展较吻合。该研究成果可为地面沉降灾害的预测与防控提供理论参考。展开更多
文摘本实验针对马铃薯干腐病潜育期到发病期的诊断方法进行研究,利用时序高光谱对病害发生过程中的病症特征进行分析和提取,并基于时序性特征采用动态时间弯曲(dynamic time warping,DTW)聚类算法对时序关键点进行分析,即对发病期初始点进行诊断。本研究在数据预处理中使用图像阈值分割算法提取动态感兴趣区域,利用概率密度比算法剔除病害光谱异常值,在对比病症的光谱与外观后,发现马铃薯干腐病的光谱具有非单调性特征,再基于该非单调性特征使用高斯核函数的主成分权重系数法进行光谱特征提取。最后基于病害特征,利用模糊聚类方法判定时序关键点,其结果正确率仅为66.7%;针对特征时序性再利用DTW聚类算法判定时序关键点,其结果正确率达94.4%。本实验研究表明基于DTW的时序高光谱诊断方法能对马铃薯干腐病发病期进行有效诊断。
文摘地面沉降是全球公认的重要灾害,不同受灾区域的地面沉降处于不同发展阶段,准确地认识地面沉降的发展是防治地面沉降灾害的关键。针对地面沉降各发展阶段的不同特征,提出了一种自适应聚类算法(improved adaptive density peak clustering algorithm based on K-nearest neighbors,简称IADPC-KNN),结合粒模型理论,归纳总结了地面沉降发展模式及其映射规律。首先,采用动态时间弯曲方法(dynamic time warping,简称DTW)作为数据间的距离度量,将IADPC-KNN与其他5种聚类算法,在7个公开的数据集进行测试,结果表明IADPC-KNN具有较高精度及较好鲁棒性。其次,收集全球14个受灾区域的地面沉降监测数据,经过数据处理、序列提取、聚类分析、粒模型构建、规则归纳等步骤,得到4类地面沉降模式及其映射关系。最后,采用某地2017―2019年的监测数据进行验证,结果表明该地2018年以后的地面沉降模式有0.3592的概率属于模式4,与实际沉降发展较吻合。该研究成果可为地面沉降灾害的预测与防控提供理论参考。
