基于模型的远红外序列图像自适应增强算法及其分析 被引量：5

1

作者 唐明 马颂德 肖京 《计算机学报》 EI CSCD 北大核心 2000年第8期893-893,F003,共2页

在深入分析 Highnam和 Brady提出的基于成像模型的远红外图像增强方法的基础上 ,设计了一种新的基于模型的远红外序列图像自适应增强算法 ,并进行了自适应参数对算法性能影响的实验研究 .新算法可以通过适当选取自适应参数来体现对增强... 在深入分析 Highnam和 Brady提出的基于成像模型的远红外图像增强方法的基础上 ,设计了一种新的基于模型的远红外序列图像自适应增强算法 ,并进行了自适应参数对算法性能影响的实验研究 .新算法可以通过适当选取自适应参数来体现对增强质量和增强时间的折衷考虑 ,以便满足不同的应用需求 . 展开更多

关键词 滤波 远红外序列图像 自适应增强算法

在线阅读 下载PDF 职称材料

基于改进长短时记忆神经网络-自适应增强算法的多天气车辆分类方法 被引量：4

2

作者 李达 张照生 +2 位作者 刘鹏 王震坡 董昊天 《汽车工程》 EI CSCD 北大核心 2020年第9期1248-1255,共8页

针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测... 针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测系统平台和车辆分类方法,然后分析基于改进LSTM-AdaBoost的车辆分类结果,并对不同车辆分类方法和不同天气下的分类准确率进行了对比。结果表明,与最邻近结点算法和反向传播神经网络算法相比,本文所提出的方法具有较高的准确率,最高分类准确率为92.2%。暴雨、雾霾和晴天3种天气中,暴雨时的分类准确率最低,但差别不大,最大相差3.9个百分点。 展开更多

关键词 车辆分类 地磁信号 长短时记忆神经网络-自适应增强算法 多天气

在线阅读 下载PDF 职称材料

融合变分自编码器与自适应增强卷积神经网络的网络流量分类模型

3

作者 李道全 徐正 +1 位作者 陈思慧 刘嘉宇 《计算机应用》 北大核心 2025年第6期1841-1848,共8页

网络流量分类问题一直是一种随着网络通信发展而不断迭代方法的难题,发展至今已有多种解决方法。目前对网络数据进行分类时大多数方法会将目光聚集在种类均衡的数据集上以便于实验和计算。针对大部分现实网络数据集仍不平衡的问题,提出... 网络流量分类问题一直是一种随着网络通信发展而不断迭代方法的难题,发展至今已有多种解决方法。目前对网络数据进行分类时大多数方法会将目光聚集在种类均衡的数据集上以便于实验和计算。针对大部分现实网络数据集仍不平衡的问题,提出一种融合变分自编码器(VAE)与自适应增强卷积神经网络(AdaBoost-CNN)的网络流量分类模型VAE-ABC(Variational AutoEncoder-Adaptive Boosting-Convolutional neural network)。首先,在数据层面使用VAE对不平衡数据集进行部分增强,并利用VAE学习数据潜在分布的特性缩短学习时间;其次,为了在算法层面提高分类效果,结合集成学习的思想,以自适应增强(AdaBoost)算法为基础设计一种使用改进的卷积神经网络(CNN)作为弱分类器的AdaBoost-CNN算法,从而提高学习和训练的准确率;最后,使用全连接层完成特征映射,并通过激活函数Sigmoid获得最终的分类结果。多重对比实验的结果表明,所提模型在分类数据集ISCX VPN-nonVPN划分后的不平衡子数据集上的准确率达到了94.31%,对比使用支持向量机(SVM)作为弱分类器的AdaBoost-SVM、使用SMOTE(Synthetic Minority Oversampling TEchnique)算法与SVM结合的SMOTE-SVM、使用决策树(D-T)作为弱分类器并与SMOTE算法结合的SMOTE-AB-D-T,所提模型的准确率分别提高了1.34、0.63和0.24个百分点。可见,所提模型在该数据集上的分类效果优于其他模型。 展开更多

关键词 网络流量分类 不平衡数据集 数据增强 变分自编码器 集成学习 自适应增强算法

在线阅读 下载PDF 职称材料

并联型APF的增强型自适应线性自抗扰控制

4

作者 任凯 刘伯强 +1 位作者 逯俊林 原东昇 《西安理工大学学报》 北大核心 2025年第1期141-150,共10页

为抑制谐波干扰对电力系统的影响、进一步提高并联型有源电力滤波器对谐波电流的跟踪性能和抗扰性能,本文在常规线性自抗扰控制的基础上,提出一种基于增强型自适应线性自抗扰控制的并联型有源电力滤波器直流侧电压控制方法。首先建立了... 为抑制谐波干扰对电力系统的影响、进一步提高并联型有源电力滤波器对谐波电流的跟踪性能和抗扰性能,本文在常规线性自抗扰控制的基础上,提出一种基于增强型自适应线性自抗扰控制的并联型有源电力滤波器直流侧电压控制方法。首先建立了并联型有源电力滤波器的数学模型;其次构建了采用常规线性自抗扰控制的并联型有源电力滤波器直流侧电压控制方法;接着,针对常规线性自抗扰控制存在的扰动观测能力有限、相位滞后严重的问题,提出一种增强型自适应线性自抗扰控制方法。最后,利用MATLAB/Simulink仿真平台对增强型自适应线性自抗扰控制器控制下的并联型有源电力滤波器的跟踪性能和抗扰性能进行了仿真验证。结果表明,增强型自适应线性自抗扰控制有效提高了系统跟踪性能和抗扰性能,具有优越的谐波干扰抑制能力。 展开更多

关键词 有源电力滤波器 自抗扰控制 增强型自适应算法 谐波补偿

在线阅读 下载PDF 职称材料

基于多种机器学习算法和语音情绪特征的阈下抑郁辨识模型构建 被引量：1

5

作者 陈梅妹 王洋 +3 位作者 雷黄伟 张斐 黄睿娜 杨朝阳 《南方医科大学学报》 北大核心 2025年第4期711-717,共7页

目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特... 目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特征变量,包括能量特征、梅尔频率倒谱系数、零交叉率特征、声音概率特征、基频特征、差分特征等多个维度。采用递归特征消除方法筛选语音特征变量,然后利用自适应增强算法(AdaBoost)、随机森林(RF)、线性判别分析(LDA)、逻辑回归、Lasso回归和支持向量机机器学习算法构建分类模型,并评估模型的性能。为评估模型泛化能力,采用真实世界的语音数据,对最佳阈下抑郁语音识别分类模型进行测试。结果AdaBoost、RF和LDA模型在单词朗读语音测试集上预测准确率为100%、100%和93.3%,展现出高准确率和稳定性;在单词文本语音测试集上,AdaBoost、RF和LDA模型的预测准确率为90%、80%和90%,其余3个算法模型的准确率均小于80%。阈下抑郁语音AdaBoost和RF分类模型对真实世界的朗读单词和文本语音数据的预测准确率仍然可以达到了91.7%和80.6%,86.1%和77.8%。结论通过分析语音情绪特征可以有效地识别阈下抑郁个体,AdaBoost和RF模型在阈下抑郁个体分类方面表现出色,是识别阈下抑郁的有力工具,可以为临床应用和研究提供参考。 展开更多

关键词 阈下抑郁识别 语音情绪特征 机器学习 自适应增强算法 随机森林

在线阅读 下载PDF 职称材料

增强型自适应时隙数防碰撞算法研究 被引量：3

6

作者 张学军 田侃 王锁萍 《南京邮电大学学报（自然科学版）》 北大核心 2012年第1期59-65,108,共8页

标签碰撞是射频识别系统的关键问题,它增加了系统的时间开销和无源标签的能量消耗,降低了识别速率。结合自适应时隙数防碰撞算法和二进制树算法,提出了一种新型的防碰撞算法——增强型自适应时隙数算法。该算法首先运用改进型的自适应... 标签碰撞是射频识别系统的关键问题,它增加了系统的时间开销和无源标签的能量消耗,降低了识别速率。结合自适应时隙数防碰撞算法和二进制树算法,提出了一种新型的防碰撞算法——增强型自适应时隙数算法。该算法首先运用改进型的自适应时隙数算法,依据碰撞时隙迅速把标签分成若干组,再根据保存在队列中的碰撞时隙应用二进制树算法快速识别标签。性能分析和仿真结果显示,该算法在识别效率和吞吐率上都有很大的改善。 展开更多

关键词 射频识别技术 防碰撞算法 增强型自适应时隙数算法

在线阅读 下载PDF 职称材料

增强型LMS自适应电网畸变电流检测算法研究 被引量：2

7

作者 李文江 安丽 刘爽 《电工电能新技术》 CSCD 北大核心 2014年第9期57-61,共5页

为解决常规LMS自适应算法在电网畸变电流检测中存在收敛速度和稳态误差之间的矛盾,本文提出了一种增强型LMS自适应算法。该算法通过对输入信号环节进行预置带通滤波处理,改善信号的自相关数值,实现了基波处的幅值无衰减且相位无延时,同... 为解决常规LMS自适应算法在电网畸变电流检测中存在收敛速度和稳态误差之间的矛盾,本文提出了一种增强型LMS自适应算法。该算法通过对输入信号环节进行预置带通滤波处理,改善信号的自相关数值,实现了基波处的幅值无衰减且相位无延时,同时通过对LMS算法权值和误差环节嵌入低通滤波拓扑结构,达到了降低畸变电流波动的目的。最后在对常规算法与增强型LMS算法分析比较的基础上,通过仿真和实验证明了本文理论分析的可行性,验证了此算法在畸变电流检测中的有效性和准确性。 展开更多

关键词 电网畸变电流检测 LMS自适应算法 低通滤波器 增强型LMS自适应算法

在线阅读 下载PDF 职称材料

一种增强多种调频信号的自适应新算法

8

作者 郭业才 赵俊渭 +1 位作者 张小凤 陈华伟 《陕西师范大学学报（自然科学版）》 CAS CSCD 北大核心 2003年第1期66-69,共4页

依据变步长LMS算法可改善ALE算法跟踪性能的优点,构造了基于高阶累积量变步长类LMS自适应谱线增强新算法,用运动目标辐射噪声的实测数据进行了动态仿真.结果表明,该算法对多种调频信号有很强的增加能力和很好的跟踪性能,这为水下运动目... 依据变步长LMS算法可改善ALE算法跟踪性能的优点,构造了基于高阶累积量变步长类LMS自适应谱线增强新算法,用运动目标辐射噪声的实测数据进行了动态仿真.结果表明,该算法对多种调频信号有很强的增加能力和很好的跟踪性能,这为水下运动目标识别与检测提供了新的技术途径. 展开更多

关键词 变步长类LMS算法 调频信号 跟踪性能 信号增强 水声信号 自适应谱线增强算法

在线阅读 下载PDF 职称材料

一种改进的自适应增强-支持向量回归机的故障预测方法 被引量：3

9

作者 邓森 景博 +2 位作者 周宏亮 朱海鹏 刘小平 《兵工学报》 EI CAS CSCD 北大核心 2012年第8期991-996,共6页

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变... 针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025.实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。 展开更多

关键词 系统工程方法论 支持向量回归 自适应增强算法 突变故障 故障预测

在线阅读 下载PDF 职称材料

基于万有引力的自适应近邻传播聚类算法 被引量：6

10

作者 王治和 常筱卿 杜辉 《计算机应用》 CSCD 北大核心 2021年第5期1337-1342,共6页

针对近邻传播(AP)聚类算法对参数偏向参数(Preference)敏感、不适用于稀疏数据、聚类结果中会出现错误聚类的样本点的问题,提出基于万有引力的自适应近邻传播聚类(GA-AP)算法。首先,在传统AP算法的基础上采用引力搜索机制对样本进行全... 针对近邻传播(AP)聚类算法对参数偏向参数(Preference)敏感、不适用于稀疏数据、聚类结果中会出现错误聚类的样本点的问题,提出基于万有引力的自适应近邻传播聚类(GA-AP)算法。首先,在传统AP算法的基础上采用引力搜索机制对样本进行全局寻优;其次,在全局寻优的基础上利用信息熵和自适应增强(AdaBoost)算法找到每个簇内正确聚类和错误聚类的样本点,并计算出这些样本点的权值,用计算出的权值更新对应的样本点,从而更新相似度、Preference取值、吸引度和隶属度,并进行重新聚类。不断操作以上步骤直到达到最大的迭代次数。通过在9个数据集上的仿真实验得出,相比于基于自适应属性加权的近邻传播聚类(AFW_AP)算法、AP算法、K均值聚类(K-means)算法和模糊C均值(FCM)算法,所提算法的纯度(Purity)、F值(F-measure)和准确率(ACC)的平均值分别最高提升了0.69、71.74%和98.5%。实验结果表明,所提算法降低了对偏向参数的依赖,提高了聚类效果,特别是对于稀疏数据集的聚类结果的准确率。 展开更多

关键词 近邻传播聚类 偏向参数 万有引力定律 信息熵 自适应增强算法

在线阅读 下载PDF 职称材料

基于加权高阶累积量切片的非线性调频信号增强算法

11

作者 郭业才 赵俊渭 陈华伟 《系统工程与电子技术》 EI CSCD 北大核心 2003年第4期405-408,共4页

为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果... 为了综合考虑高阶累积量各种切片抑制高斯噪声的性能,定义了加权高阶累积量切片,并给出了加权高阶累积量切片符号联合迭代公式,得到了基于加权高阶累积量切片的自适应谱线增强新算法。对该算法增强水下目标辐射的非线性调频信号的效果进行了仿真研究。仿真结果表明:该算法能抑制大约18dB～28dB的高斯色噪声;调整高阶累积量切片的加权系数,可获得抑制高斯色噪声的最佳效果。在工程实践中,具有重要的指导意义和实用价值。 展开更多

关键词 加权高阶累积量切片 加权系数 自适应谱线增强算法 非线性调频信号

在线阅读 下载PDF 职称材料

基于AlexNet模型和自适应对比度增强的乳腺结节超声图像分类 被引量：18

12

作者 陈思文 刘玉江 +4 位作者 刘冬 苏晨 赵地 钱林学 张佩珩 《计算机科学》 CSCD 北大核心 2019年第B06期146-152,共7页

乳腺癌是女性是最常见的恶性肿瘤之一,其发病率有逐年增高的趋势,严重威胁着患者健康。如何取代传统活体穿刺,快速准确地对乳腺结节进行良恶性判断,近年越来越受到关注。医学研究表明,良恶性结节在边缘处呈现较为显著的差异,因此对边界... 乳腺癌是女性是最常见的恶性肿瘤之一,其发病率有逐年增高的趋势,严重威胁着患者健康。如何取代传统活体穿刺,快速准确地对乳腺结节进行良恶性判断,近年越来越受到关注。医学研究表明,良恶性结节在边缘处呈现较为显著的差异,因此对边界加强处理的算法为判断乳腺结节良恶性的深度学习提供了新思路。文中实验数据库的构建基础得到首都医科大学附属北京友谊医院的支持。在比较5种边界增强算法后对图像进行扩增,并采用在图像分类方面十分出色的AlexNet网络模型。将分别经过线性、非线性对比度拉伸、直方图均衡化、直方图阈值化以及自适应对比度增强算法处理后的数据用于AlexNet模型,比较5种算法对AlexNet模型准确度的影响,得出更适用于乳腺结节超声图像的预处理算法。扩增后的数据集图像总数量超过一万张,其中训练集占80%,验证集与测试集各占10%。最终,通过绘制ROC曲线计算敏感度、特异度、精确度参数,对测试结果进行评估,并得到了较好的测试结果。 展开更多

关键词 乳腺癌 乳腺结节 深度学习 卷积神经网络 AlexNet模型 图像预处理 自适应增强对比度算法

在线阅读 下载PDF 职称材料

基于深度学习与自适应对比度增强的臂丛神经超声图像优化 被引量：10

13

作者 杨桐 张姗姗 +3 位作者 江方舟 李奕飞 俞戈昊 赵地 《计算机科学》 CSCD 北大核心 2019年第S11期236-240,共5页

现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中... 现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。 展开更多

关键词 臂丛神经 超声图像 自适应增强对比度算法 卷积神经网络 深度学习 图像处理

在线阅读 下载PDF 职称材料

支持向量机与AdaBoost的结合算法研究 被引量：20

14

作者 张晓龙 任芳 《计算机应用研究》 CSCD 北大核心 2009年第1期77-78,110,共3页

将支持向量机与AdaBoost算法相结合,称其为Boost-SVM。从提升泛化性能和预测精度等方面对支持向量机的学习算法进行了研究与比较。Boost-SVM实验结果表明,该算法提高了支持向量机的预测精度并优化了学习机的性能。

关键词 支持向量机 增强法 自适应增强算法 算法优化

在线阅读 下载PDF 职称材料

家用非侵入式电力负荷监测与识别算法研究 被引量：12

15

作者 殷波 张帅 《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期149-156,共8页

为实现非侵入式电力负荷监测与识别过程中,负荷投切时间的精确辨识以及负荷类型的准确识别,有效地实现电网动态分析、诊断和优化,提高电力利用率,本文提出一种家用非侵入式电力负荷监测与识别算法。首先,提出一种基于改进滑动窗的负荷... 为实现非侵入式电力负荷监测与识别过程中,负荷投切时间的精确辨识以及负荷类型的准确识别,有效地实现电网动态分析、诊断和优化,提高电力利用率,本文提出一种家用非侵入式电力负荷监测与识别算法。首先,提出一种基于改进滑动窗的负荷投切检测算法,准确判断负荷投切时间和稳态时间,实现稳态负荷特征的高精度提取,提高投切检测辨识灵敏度和抗干扰能力。然后,利用Adaboost算法实现家用电力负荷识别。实验结果表明,本文提出的负荷投切事件检测算法和负荷识别算法准确率较高,可以满足实际应用需求。 展开更多

关键词 非侵入式 暂态事件检测 负荷监测 负荷识别 自适应增强算法

在线阅读 下载PDF 职称材料

基于HO-BP-AdaBoost的大坝变形监控模型

16

作者 代硕 苏怀智 +1 位作者 谷宇 郭莹莹 《水电能源科学》 北大核心 2025年第7期153-156,108,共5页

建立高精度的大坝变形监控模型对于分析大坝变形监测资料,保障大坝运行安全具有重要意义,但传统的反向传播神经网络(BP)在搜索过程中容易陷入局部最优,因此将具有较好全局搜索能力的河马优化算法(HO)引入反向传播神经网络,并基于自适应... 建立高精度的大坝变形监控模型对于分析大坝变形监测资料,保障大坝运行安全具有重要意义,但传统的反向传播神经网络(BP)在搜索过程中容易陷入局部最优,因此将具有较好全局搜索能力的河马优化算法(HO)引入反向传播神经网络,并基于自适应增强算法(AdaBoost),构建了HO-BP-AdaBoost大坝变形监控模型。首先,利用HO算法对BP神经网络的初始权值和阈值进行优化,并将优化后的权值和阈值赋予BP神经网络,构建HO-BP弱预测器;然后通过训练迭代多个弱预测器,并根据预测误差分配不同的权重,组合成为强预测器;最后,以某混凝土坝为例,通过选取决定系数、均方根误差、均方误差及平均绝对误差作为评价指标,比较该模型与其他模型的输出结果。结果表明,HO-BP-AdaBoost模型对于大坝变形具有较高的预测精度。 展开更多

关键词 大坝变形预测 监控模型 反向传播神经网络 自适应增强算法 河马优化算法

在线阅读 下载PDF 职称材料

基于PCA-GO-BP-AdaBoost的大坝变形监控模型

17

作者 代硕 苏怀智 +1 位作者 谷宇 郭莹莹 《人民黄河》 北大核心 2025年第S1期100-102,104,共4页

构建高精度的大坝变形监控模型可帮助掌握大坝的运行状况、及时发现大坝变形的异常情况。但传统BP神经网络初始参数具有随机性、训练时间长等问题。为提高BP神经网络的预测精度,利用主成分分析法(PCA)对BP神经网络的输入向量进行降维,... 构建高精度的大坝变形监控模型可帮助掌握大坝的运行状况、及时发现大坝变形的异常情况。但传统BP神经网络初始参数具有随机性、训练时间长等问题。为提高BP神经网络的预测精度,利用主成分分析法(PCA)对BP神经网络的输入向量进行降维,在降低模型复杂度的同时可提取输入向量的关键特征;引入鹅优化算法(GO)对BP神经网络初始参数进行寻优,以避免因参数随机性,导致的模型预测精度较低,构建GO-BP弱预测器,进一步提高BP神经网络良好的泛化能力;最后,利用自适应增强算法(AdaBoost)将弱预测器加权组合为强预测器。以某混凝土坝为例,通过对比多种模型预测结果,证明了该模型泛化能力更好,预测精度更高。 展开更多

关键词 大坝变形监测 主成分分析 BP神经网络 自适应增强算法 鹅优化算法

在线阅读 下载PDF 职称材料

3种经典机器学习算法在火山岩测井岩性识别中的对比 被引量：25

18

作者 牟丹 张丽春 徐长玲 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2021年第3期951-956,共6页

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应... 岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明:自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。 展开更多

关键词 K近邻 支持向量机 自适应增强算法 火山岩 岩性识别

在线阅读 下载PDF 职称材料

改进AdaBoost算法的WiFi室内定位 被引量：1

19

作者 贺超 吴飞 +1 位作者 张玉金 朱海 《导航定位学报》 CSCD 2020年第5期32-36,共5页

为了进一步研究现有自适应增强(AdaBoost)算法的无线保真(WiFi)室内定位方法中,指纹库数据异常值处理和子分类器的权重决策,提出1种改进AdaBoost算法的WiFi室内定位方法:通过1种判决式特征选择机制,优化特征属性的权重,减少指纹库数据... 为了进一步研究现有自适应增强(AdaBoost)算法的无线保真(WiFi)室内定位方法中,指纹库数据异常值处理和子分类器的权重决策,提出1种改进AdaBoost算法的WiFi室内定位方法:通过1种判决式特征选择机制,优化特征属性的权重,减少指纹库数据异常值对子分类器的影响,有效提高子分类器的鲁棒性;在投票决策阶段,采用1种联合投票决策方法,充分保留对特征属性随机采样而导致的子树之间的多样性。实验结果表明,与已有相关算法相比,该算法能够有效降低训练阶段异常值对定位算法的影响,且分类准确率有显著提升。 展开更多

关键词 室内定位 自适应增强算法 判决式特征选择 投票机制 基于位置的服务

在线阅读 下载PDF 职称材料

基于数据融合算法的灌区蒸散发空间降尺度研究 被引量：7

20

作者 白亮亮 蔡甲冰 +3 位作者 刘钰 陈鹤 张宝忠 黄凌旭 《农业机械学报》 EI CAS CSCD 北大核心 2017年第4期215-223,共9页

采用Landsat和MODIS数据,通过增强自适应融合算法(Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)对蒸散发进行空间降尺度,构建田块尺度蒸散发数据集;利用2015年田间水量平衡方法计算的蒸散发数据对融合结... 采用Landsat和MODIS数据,通过增强自适应融合算法(Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM)对蒸散发进行空间降尺度,构建田块尺度蒸散发数据集;利用2015年田间水量平衡方法计算的蒸散发数据对融合结果进行评价。在融合蒸散发基础上,结合解放闸灌域2000—2015年间种植结构信息,提取不同作物各自生育期和非生育期内年际蒸散发量,并分析了大型灌区节水改造以来,作物蒸散发占比的年际变化。研究结果表明:融合蒸散发与水量平衡蒸散发变化过程较吻合,小麦耗水峰值出现在6月中下旬—7月初,玉米和向日葵峰值出现在7月份。在相关性分析中,玉米、小麦和向日葵的决定系数R2分别达到了0.85、0.79和0.82;生育期内玉米(5—10月份)、小麦(4—7月份)和向日葵(6—10月份)的均方根误差均不高于0.70 mm/d;平均绝对误差均不高于0.75 mm/d;相对误差均不高于16%。在农田蒸散发总量验证中,融合蒸散发与水量平衡蒸散发相关性较好,两者决定系数达到了0.64。基于ESTARFM融合算法生成的高分辨率蒸散发(ET)结果可靠,具有较好的融合精度。融合结果与Landsat蒸散发的空间分布和差异性一致,7月23日、8月24日和9月1日相关系数分别达到0.85、0.81和0.77;差值均值分别为0.24 mm、0.19 mm和0.22 mm;标准偏差分别为0.81 mm、0.72 mm和0.61 mm。ESTARFM融合算法在农田蒸散发空间降尺度得到较好的应用,可有效区分不同作物蒸散发之间的差异。不同作物在生育期和非生育期内耗水量差别较大;生育期内套种(4—10月份)耗水量最大,达到637 mm,玉米(5—10月份)和向日葵(6—10月份)次之,分别为598 mm和502 mm,小麦(4—7月份)最低为412 mm;非生育期内,小麦(8—10月份)耗水量最大,年均达到214 mm,玉米(4月份)和向日葵(4—5月份)分别为42 mm和128 mm。不同作物多年平均耗水量(4—10月份)差异较小,其年际耗水总量主要随作物种植面积的变化而变化。 展开更多

关键词 遥感 数据融合 蒸散发 地表能量平衡模型 增强时空自适应融合算法 河套灌区

在线阅读 下载PDF 职称材料