【摘 要】
:
高光谱图像的波段范围广、光谱分辨率高,能为图像分类研究提供丰富的信息,但同时也给计算和存储带来了较大困难。论文提出一种基于SNMF聚类与类间可分性因子的方法来进行高光谱图像波段选择,以降低计算和存储开销。首先是数据预处理工作,将高光谱数据进行三维转二维表达,然后利用SNMF聚类算法得到波段的各个类簇,最后以各波段的类间可分性因子为指标在类簇内进行波段选择。实验采用波段子集的平均信息熵、平均相关系数
【基金项目】
:
国家自然科学基金重大仪器专项“熔焊与增材成形熔池多物理场在线测量仪”(编号:61727802)资助。
论文部分内容阅读
高光谱图像的波段范围广、光谱分辨率高,能为图像分类研究提供丰富的信息,但同时也给计算和存储带来了较大困难。论文提出一种基于SNMF聚类与类间可分性因子的方法来进行高光谱图像波段选择,以降低计算和存储开销。首先是数据预处理工作,将高光谱数据进行三维转二维表达,然后利用SNMF聚类算法得到波段的各个类簇,最后以各波段的类间可分性因子为指标在类簇内进行波段选择。实验采用波段子集的平均信息熵、平均相关系数和平均相对熵三类指标进行定量评价,并采用SVM分类器进行分类验证。
其他文献
多线激光雷达(LIDAR)是无人驾驶汽车在环境感知过程中的核心传感器,运用多线激光雷达中提取的点云数据进行道路和障碍物检测是环境感知过程中重要的任务。目前常见的栅格化算法无法实现高效的障碍物和道路检测,论文针对这些问题提出一种新颖改进栅格化方法,通过统计栅格内点云高度分布的方法进行障碍物分类,有效避免噪声点和悬浮障碍对结果的影响,并运用自适应半圆弧道边点搜索和改进RANSAC(Random Sample Consensus)算法结合进行道边检测。最终,在实验中验证了算法的精度和实时性。
推荐系统是利用多种信息过滤方法,过滤冗余信息,准确向用户推荐其具有兴趣点的信息的技术。传统的推荐系统在处理信息过载的问题上取得良好的效果,被广泛应用于电子商务、视频推荐、音乐电台、社交网络等领域。但在冷启动,推荐的多样性等问题上传统的推荐系统仍存在缺陷。针对以上问题,论文使用场感知因子分离机FM模型做特征组合与处理高维稀疏特征,使用深度神经网络模型作为Deep Q-Leanrning算法的值函数网络,使用Deep Q-Leanrning深度强化学习算法作为决策函数解决推荐准确性与多样性问题。该算法在视频推
为确保高压开关柜可靠运行,研制了一种基于传统脉冲电流法的高压开关柜局部放电在线监测系统。依据开关柜常见放电故障,设计制作了四种典型缺陷模型。利用文中所述监测系统对开关柜典型缺陷模型进行局部放电检测,结果表明该系统具有抗干扰能力强、检测灵敏度高等特点,完全满足高压开关柜局部放电定量检测的需求。
疫情的爆发和持续扩散改变了人们的生活方式,人们的出行方式也受到了影响。根据疫情爆发的四个阶段,对一月份到四月份的公交、地铁、网约车、出租车、共享单车的客流数据进行分析,研究疫情爆发给不同交通模式带来的影响。
监控视频受到现实场景、周边环境与拍摄设备的限制,所记录的信息会受到一定的噪声影响。论文以核相关滤波提取方法为基础,结合了现有的深度学习技术及跟踪方法,针对目标检测与跟踪算法中的特征表达和ID转换等难点问题进行了研究。结果显示该方法在针对目标漂移形变时具有良好的鲁棒性,且能很好地改进跟踪过程中的ID转换问题。
互联网上网服务行业用户画像系统通过对用户行为数据进行分析,利用网络爬虫、数据挖掘以及文本分类等技术,对用户进行画像,刻画了一个完整的用户全貌。系统对不同属性的数据采用不同的方法,挖掘出数据中的有用信息,提取用户的平台特征,为用户标记不同权重的标签,使得企业更加了解用户,为企业发展提供指导,同时也为用户提供个性化服务铺平道路。此外,针对K-means算法进行改进,从测试结果可以看出,经过改进的K-means准确率和稳定性都得到了极大的提升。
针对传统的EKF-SLAM、FastSLAM等方法存在着复杂度高、需要进行数据关联、计算量大不足等问题,提出了一种基于势均衡多伯努利滤波的SLAM(Cardinality Balanced Multi-Bernoulli-SLAM,CBMBer-SLAM)算法,该方法是一种基于随机有限集理论的滤波方法,将势均衡多伯努利滤波方法运用到地图特征估计中,克服了复杂的数据关联和地图特征点数目估计过多的问题
针对标准花朵授粉算法演化后期寻优能力受限等问题,论文提出一种将人工蜂群算法融入到花朵授粉算法中的优化算法。该算法主要通过人工蜂群算法的采蜜阶段和侦查阶段,将花朵授粉的算法的解进一步优化,从而提高花朵授粉算法的寻优能力。使用改进后的花朵授粉算法对现代物流配送的车辆路径规划问题进行求解,仿真实验结果表明,改进后的算法在性能上优于其他对比算法,并且在求解小于22个配送点车辆路径规划问题上均能得到最优路径,验证算法能力。
水下光源作为AUV((Autonomous Underwater Vehicle)近距离视觉定位的目标物体,其识别质量将直接影响到AUV水下近距离对接时的定位精度,为了精准地对水下检测到的光源进行识别,论文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)、支持向量机(Support Vector Machine,SVM)和迁移学习的定位目标光源识别方法
在预测共享单车需求量的问题上,随机森林算法与其他算法相比具有显著优势。然而在处理存在大量冗余数据的数据集方面,随机森林算法会导致过拟合。为此,论文提出一种基于随机森林的改进算法—FWRF算法,预测共享单车需求量。该算法首先利用相关系数对每个特征进行加权,然后将特征区间划分为高相关区间与低相关区间,让特征选择限制在特定范围,实现降低泛化误差的目标,增强算法的学习性能,提高算法的预测精度。最后,论文将FWRF算法应用到NewYork CityBike的公开数据集上,分析多维异构数据影响下共享单车需求量变化。与