期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于GF-1 PMS影像和k-NN方法的延庆区森林蓄积量估测 被引量:22
1
作者 王海宾 彭道黎 +1 位作者 高秀会 李文芳 《浙江农林大学学报》 CAS CSCD 北大核心 2018年第6期1070-1078,共9页
应用高分1号(GF-1)全色和多光谱(PMS)影像和k-最邻近(k-NN)方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1... 应用高分1号(GF-1)全色和多光谱(PMS)影像和k-最邻近(k-NN)方法进行县域尺度的森林蓄积量估测,探讨GF-1 PMS影像以及k-NN方法估测森林蓄积量的适用性。以北京市延庆区森林资源二类调查数据为基础数据,森林蓄积量为研究对象,基于国产GF-1 PMS影像数据提取植被指数,采用k-NN法构建森林蓄积量估测模型,并引入偏最小二乘回归法予以比较,选出最优估测方法对全区森林蓄积量进行反演。结果显示:偏最小二乘回归法估测的森林蓄积量均方根误差为21.90 m^3·hm^(-2),相对均方根误差为27.5%,偏差为17.23 m^3·hm^(-2)。基于k-NN方法的森林蓄积量估测的均方根误差为12.80 m^3·hm^(-2),相对均方根误差为16.0%,偏差为15.02 m^3·hm^(-2)。与官方公布的全区森林蓄积量进行对比,结果显示:基于k-NN法反演的全区森林蓄积量统计结果(245.98万m^3,估测精度为86.0%)要好于偏最小二乘回归法(266.22万m^3,估测精度为76.6%)。最后生成了全区森林蓄积量空间分布图。 展开更多
关键词 森林测计学 森林蓄积量 偏最小二乘回归 k-最邻近(k-NN) GF-1 PMS影像
在线阅读 下载PDF
基于改进图神经网络图形样本聚合的增量学习模型
2
作者 刘振柱 侯乔文 +2 位作者 兰媛 于磊 牛蔺楷 《机电工程》 北大核心 2025年第3期549-558,共10页
针对轴向柱塞泵在故障诊断中对大规模、动态变化数据处理困难,以及故障类型增加导致分类性能下降的问题,提出了一种基于改进图神经网络图形样本聚合(Graph-SAGE)的增量学习模型。首先,将轴向柱塞泵的不同故障振动信号构建为带标签的数据... 针对轴向柱塞泵在故障诊断中对大规模、动态变化数据处理困难,以及故障类型增加导致分类性能下降的问题,提出了一种基于改进图神经网络图形样本聚合(Graph-SAGE)的增量学习模型。首先,将轴向柱塞泵的不同故障振动信号构建为带标签的数据集,并通过数据增强生成了新的数据集;然后,采用K-最邻近法(KNN)分别构建了初始训练阶段和增量训练阶段的图结构数据(其中,初始阶段的图结构用于模型的初始训练,增量训练阶段的图结构用于增量训练);接着,为了确定最适合轴向柱塞泵故障图数据集的聚合方法,在初始训练阶段比较了不同聚合器对故障识别准确率的影响,并在增量训练阶段结合显性知识与隐性知识对模型进行了优化;最后,采用了实验的方式,验证了该模型的可行性,并通过对比实验和鲁棒性测试,对该模型的性能和稳定性进行了评估。研究结果表明:该增量学习模型在应对新增故障类型时表现优异,在轴向柱塞泵的复合故障识别中,平均准确率达到了92.35%,显著优于传统图神经网络在相同条件下的表现;同时,该模型在混合工况下的增量训练准确率达到了95%,展现出较强的适应性和鲁棒性。该方法能够有效应对不同的故障模式和工况条件,准确识别轴向柱塞泵的复合故障。 展开更多
关键词 轴向柱塞泵 故障诊断 增量学习 图神经网络图形样本聚合 k-最邻近法 图结构数据
在线阅读 下载PDF
基于概率神经网络的文本自动分类研究 被引量:14
3
作者 施洁斌 《情报学报》 CSSCI 北大核心 2004年第2期147-151,共5页
本文提出了将一种径向基网络的重要变形--概率神经网络应用于文本自动分类的研究,与常用的K-最邻近法相比,具有一定的优势,特别是在训练集中各类的训练样本数很不平衡时;与BP等其他神经网络相比,其特点是需调节的参数少,不需确定隐层数... 本文提出了将一种径向基网络的重要变形--概率神经网络应用于文本自动分类的研究,与常用的K-最邻近法相比,具有一定的优势,特别是在训练集中各类的训练样本数很不平衡时;与BP等其他神经网络相比,其特点是需调节的参数少,不需确定隐层数、隐层中的神经元数量等网络结构,比较容易使用.此外,从研究中的不同特征选择的评价函数来看,它们对分类有一定的影响,应用X2统计进行特征选择的分类正确率最高,其次是文本证据权,而期望交叉熵的效果最差,说明特征选择在文本自动分类中也是非常重要的. 展开更多
关键词 概率神经网络 文本自动分类 k-最邻近法 情报分析 文本挖掘
在线阅读 下载PDF
基于DTW-KNN的机械通气无效吸气努力检测
4
作者 潘清 龚强 +2 位作者 陆飞 方路平 葛慧青 《计算机应用与软件》 北大核心 2022年第8期331-337,共7页
无效吸气努力(Ineffective Inspiratory Effort during Expiration,IEE)是使用机械通气抢救危重病人过程中最常见的一种人机不同步问题。针对该问题缺乏检测手段的现状,提出基于机械通气波形,采用K最邻近法(K-Nearest Neighbors,KNN)结... 无效吸气努力(Ineffective Inspiratory Effort during Expiration,IEE)是使用机械通气抢救危重病人过程中最常见的一种人机不同步问题。针对该问题缺乏检测手段的现状,提出基于机械通气波形,采用K最邻近法(K-Nearest Neighbors,KNN)结合动态时间规整(Dynamic time warping,DTW)实现IEE检测。在临床采集的数据集上进行测试发现,基于DTW-KNN的方法得到96.5%的特异性和97.2%的灵敏度,优于传统的基于规则的方法和机器学习方法。研究表明,该方法有望用于临床IEE检测,提示医护人员调整呼吸机参数设置,改善病人与呼吸机的同步性,优化重症呼吸治疗。 展开更多
关键词 机械通气 无效吸气努力 k-最邻近法 动态时间规整
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部