共查询到17条相似文献，搜索用时 140 毫秒
1.
空间分层是准确度量遥感分类不确定性程度及其空间分布的基础与关键。本文提出了一种基于不确定性分析的遥感分类空间分层及评估方法,首先基于随机森林算法获取像元后验概率,确定分类不确定性度量指标;其次,采用模糊C均值进行空间分层;最后,对分层结果合理性进行定性与定量评估,并与同尺度数据产品精度评价结果及后验概率不确定性分层方法进行对比分析。以北京市顺义区Landsat 8 OLI遥感影像数据为例,研究结果表明：① 基于最大概率、模糊混淆指数和概率熵指标将顺义区分为不确定性大、中、小3层,相应的遥感数据层分类精度分别为62.28%、74.96%、79.31%;② 分类不确定性空间分层结果与度量指标大小的空间分布基本一致,错分地类图层与不确定性大层的地类空间分布基本一致;③ 遥感数据和数据产品的各层地类空间特征、层分类精度大小趋势一致,与总体分类精度相比,不确定性大层的层分类精度降低,不确定性小层的层分类精度提高;④ 与后验概率不确定性分层方法相比,本研究不确定性大层的层分类精度降低1.08%,不确定性中层提高3.58%,不确定性小层提高0.16%,q值由0.19提高到0.24,空间分异性更高。证实了研发的遥感分类不确定性空间分层结果的合理性。研究旨在提出适用于遥感分类的不确定性分层方案,用于优化遥感分类训练样本和精度评价验证样本的空间布设。 相似文献
2.
针对高分辨率遥感影像变化检测结果较破碎,易产生椒盐噪声、监督训练过程中人工标注成本较高、训练样本冗余以及大量未标注样本信息未有效利用等问题,提出一种超像素与主动学习相结合的高分辨率遥感影像变化检测方法。利用超像素分割算法得到超像素对象,提取其光谱和纹理特征;引入并借助主动学习样本选择策略充分利用未标注样本信息,挖掘不确定性最大、最易错分的样本交由用户人工标注;为保证所选样本的多样性,加入基于余弦角距离的样本相似性度量,以减少样本间信息冗余,在减轻人工标注负担的同时获得良好的分类性能。通过对2组不同场景的遥感影像的实验,表明本文提出的2种方法能够在标注少量训练样本的情况下获得较好的变化检测结果,且加入样本相似性度量的变化检测方法在有效减少人工标注成本和训练样本冗余的同时,能够更快地达到收敛、提升检测质量。 相似文献
3.
山地因其较高的异质性和特殊的环境特征给遥感科学及其应用带来了诸多问题和挑战。为实现山地植被信息的精准提取,本研究选择部分滇西北山地区域作为研究区开展方法实验,利用高分辨率遥感影像数据和数字高程模型,结合分区分层感知思想,提出一种基于不确定性理论的山地植被型组分类制图方法。首先结合地形对研究区影像进行多尺度分割制作图斑;然后根据图斑特征使用随机森林方法进行分类,将分类结果与对应类别样本间的相似性作为优化目标, 并构建混合熵模型定量计算图斑推测类型的不确定性,据此进行针对性的样本补充和分类模型的迭代优化。实验总体分类精度达90.8%,较迭代前提升了29.4%,Kappa系数达到0.875。在高不确定性区域,该方法相比使用一次性补样和随机补样方法的分类结果,精度分别提高了17%和13%。研究结果表明,通过人机交互的方式,基于不确定性理论为样本库融入增量信息的迭代优化方法能够有效提高植被型组分类的精度,相较于传统的样本选择方法具有更高的效率和更低的不确定性。 相似文献
4.
基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。 相似文献
5.
测井资料中包含丰富的岩性信息,相比于取心资料,具有连续性强、成本低等优点。用机器学习方法探索测井曲线与实际取心段样本岩性之间的关系,实现储层岩性的自动识别,降低岩性识别成本,提高识别效率和准确性,可以为储层评价提供有效手段。基于岩性分类依据选择适合样本的分类方案,选取适合岩性分类问题的机器学习方法设计试验方案,提出了融合储层纵向信息的机器学习岩性识别方法,利用深度窗对常规测井数据和已知岩性数据进行了序列采样,生成了训练样本。用逻辑回归、支持向量机、随机森林、卷积神经网络和Stacking集成学习5种不同方法分别建立模型,对新疆某油田的强非均质岩层原始样本进行了岩性识别。结果表明,当深度窗宽度与岩层厚度相匹配时,在原始样本具有强非均衡性的情况下,用本方法对其进行预处理之后,各个机器学习方法获得的岩性识别准确率均有较大提高。深度窗的宽度决定了方法识别岩层厚度的精度,深度窗越小,识别精度越高;深度窗越大能够保留的纵向信息越多,对相应厚度的岩层识别准确率越高。本文的融合储层纵向信息的机器学习岩性识别方法能提升测井资料岩性识别的准确性,给非均质薄岩层的自动有效识别提供了经济有效的参考方案。 相似文献
6.
为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。 相似文献
7.
为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。 相似文献
8.
9.
为解决高分辨率遥感影像变化检测中存在底层特征缺乏语义信息、像元级的检测结果存在“椒盐”现象以及监督分类中样本标注自动化程度较低,本文提出一种基于超像元词包特征和主动学习的变化检测方法。首先采用熵率分割算法获取叠加影像的超像元对象;其次提取两期影像像元点对间的邻近相关影像特征（相关度、斜率和截距）和顾及邻域的纹理变化强度特征（均值、方差、同质性和相异性）,经线性组合作为像元点对的底层特征;然后基于像元点对底层特征利用BOW模型构建超像元词包特征,并采用一种改进标注策略的主动学习方法从无标记样本池中优选信息量较大的样本,且自动标注样本类别;最后训练分类器模型完成变化检测。通过选用2组不同地区的GF-2影像和Worldview-Ⅱ影像作为数据源进行实验,实验结果中2组数据集的F1分数分别为0.8714、0.8554,正确率分别为0.9148、0.9022,漏检率分别为0.1681、0.1868,误检率分别为0.0852、0.0978。结果表明,该法能有效识别变化区域、提高变化检测精度。此外,传统主动学习方法与改进标注策略的主动学习方法的学习曲线对比显示,改进的标注策略可在较低精度损失下,有效提高样本标注自动化程度。 相似文献
10.
准确把握区域发展规律,定量、客观地认识村庄发展类型,对“因地制宜、分类推进”乡村振兴具有非常重要的现实意义。针对区域村庄发展类型自动、准确识别问题,研究提出了一种基于SMOTE-RF算法的村庄发展类型识别模型。研究首先从地形、区位、社会经济、农业生产和生态环境等方面提出了面向村庄发展多维特征表达的指标体系。在此基础上,针对村庄样本不平衡分布特点,利用SMOTE过采样技术对少数类样本进行分析和模拟,合成平衡化的村庄分类样本集;进而利用随机森林算法自动构建村庄发展的多维属性特征与村庄类型之间的非线性关系,形成可用于区域村庄发展类型自动识别的智能分类器。为验证模型的有效性,研究选取山东招远市作为试验区开展了实证研究。实验结果表明,耦合SMOTE过采样技术的随机森林分类模型有效保障了村庄分类结果的可靠性和准确度。在试验区,模型自动识别结果与规划专家分类结果的一致性达88.27%,Kappa系数为0.78,整体一致性良好。相对于人工分类,基于SMOTE-RF方法的村庄类型自动识别方法减少了依赖人工经验分类带来的不确定性,保障了分类结果的一致性,能够为国土空间规划和乡村振兴专项规划决策提供可靠的决... 相似文献
11.
空间抽样的理论方法与应用分析——以厦门岛问卷调查为例 总被引：2，自引：0，他引：2
在社会问卷调查中,面临调查样本点如何布局的问题,传统的空间抽样理论主要针对单目标抽样,而社会调查问卷往往涉及到多个调查目标,并且可能是类别数据,例如涉及到被调查对象的年龄、受教育程度等,因此需要在传统的抽样方法上进行适当的改进。本文从多目标空间变异的思想出发,针对社会多目标抽样调查,利用三明治空间抽样模型软件,以厦门岛住区问卷调查的需求为目标,平衡抽样精度和抽样成本,采用简单随机抽样、空间分层抽样和三明治空间抽样方法进行抽样。通过对比分析,结果表明:(1)先验知识不丰富的情况下,简单随机抽样的结果较合理,当有足够先验知识的情况下,进行空间分层抽样能使抽样的样点更具有代表性,提高抽样的精度。(2)空间抽样样点的分布主要与分层相关,分层等级越高,也就是复杂程度越高的区域分布的样点也就越多。(3)通过综合因素分层抽样和专家分层抽样的对比,分层的合理与否,与抽样结果的合理与否有直接的关联,在抽样过程中对分层的把握非常重要。本研究的目的是为厦门岛住区问卷调查选点提供依据,同时,通过复杂程度来描述各个区域的差异,也为建立多目标空间抽样模型提供了思路。 相似文献
12.
地表覆盖数据是研究气候变化、生态环境、地理国情和人文经济等方面不可或缺的基础信息,因此其质量的优劣将直接影响相关决策的可靠性。本文针对我国研制的首套30 m分辨率全球地表覆盖数据产品,通过分析其海量、多维、非均质等空间特点,对传统的制图产品精度评估方法提出了改进：以地表类型进行分层抽样,样本量的计算采用优化模型并以地类所占面积比为权重逐层分配,样本的布设则考虑层内对象之间的空间相关性,在地表数据自然分布的基础上,通过分析空间相关性指数来提高样本的代表性和精度评估结果的可靠性。因此,本文提出针对区域地表覆盖遥感制图产品的空间分层抽样方法,其将精度评估分成抽样方案（样本的定量估计）和布设方案（样本的空间布设）2个部分,并以中国陕西省地表覆盖产品为例进行区域精度评估实验分析,从全区7大类地表类型数据中抽取1467个样本,经过样本检验与精度计算,该区域产品的总体精度为79.96%,Kappa系数为0.74。实验结果表明,本文提出的基于空间抽样的精度评估方法可行可靠,实验区域产品质量较好,并为后续针对全球范围的地表覆盖产品精度评估方法提供了参考。 相似文献
13.
采样点数目对反距离加权插值结果的敏感性分析 总被引：1，自引：0，他引：1
为了研究采样点数目对反距离加权插值结果的影响,以面积为2.076×105km2的白俄罗斯为研究区域,采用数目逐渐变化的采样点作为实验数据,通过交叉验证方法,得到了采样点数目与插值精度之间的关系。结果表明:随着采样点数目减少,插值误差呈现先缓慢上升后迅速上升再缓慢上升的趋势。就本组数据而言,当采样点逐渐减少到约为总采样点数目的 70%左右,插值的质量会发生突变。计算采样点的密度,得出每100 km2采0.9～1.3个点(即每76～109 km2采集1个点)的情况下,插值精度变化不大。鉴于研究所得,在实际的生产生活中,可供大区域插值时,采样方案设计参考。 相似文献
14.
基于机器学习的稀疏样本下的土壤有机质估算方法 总被引：1，自引：0，他引：1
采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2种机器学习方法构建土壤有机质预测模型,以提高稀疏样本情况下的土壤有机质估算精度。依据北京市大兴区农用地2007年的土壤有机质采样数据,按MMSD准则（Minimization of the Mean of the Shortest Distances）抽稀为8种不同采样密度的样本（分别为2703、1352、676、339、169、85、43、22个样本）,分别采用GRNN、RF和Ordinary kriging对各采样密度下的未知采样点进行预测,采用交叉检验的方式验证各采样密度下未知样点的预测精度。随着采样点密度的下降,样点间的空间自相关性逐渐减弱,半变异函数的拟和精度变差,预测点结果误差增大,预测的置信度降低。当抽稀到43个和22个采样点时,样点间的空间自相关性接近歼灭,半变异函数的决定系数较低且残差较大。普通克里格受到采样点数量和采样密度、样点的空间结构的影响比较明显,其预测精度随采样点数量的下降而下降。在85个采样点及以下时,其预测值与观测值之间没有显著的相关性。GRNN和RF的预测精度受采样密度的影响不大,其预测精度在一个较小的范围内波动,其预测值围绕观测值在一定阈值空间内震荡波动,具有较好的相关性,在85个及以下的采样密度时,预测精度相对普通克里格有较大的提升。普通克里格法不适合在稀疏样本条件下空间插值计算,尤其是在空间自相关性比较弱的情况下。机器学习模型能充分学习土壤间环境信息、样点空间邻近效应信息,兼顾属性相似性和空间自相关,具有更好的稳定性和适应性,不容易受到采样点数量、构型和采样密度等因素的影响,即使在采样点空间自相关性很弱的情况下也能做出稳定预测精度。 相似文献
15.
参数优化方法是准确估计生态模型参数、降低其不确定性的有效手段。本文提出一种基于贝叶斯机器学习的No-U-Turn Sampler（NUTS）生态模型参数优化方法。NUTS是一种高效的参数优化方法,每次取样中利用递归算法生成候选参数集（二叉树）推断参数的后验信息,如果满足约束条件“非U型回转”,不断构建子树更新参数;否则,记录本次抽样的“最优”参数集,并开始下一次取样,直到获取足够样本。该算法在每次取样中充分优化参数,避免因随机游走行为产生冗余抽样,提高了参数优化效率。本文以千烟洲亚热带人工针叶林碳通量模拟为例,基于Pymc3框架利用NUTS参数优化方法实现了碳通量（Net Ecosystem Exchange,NEE）模型参数反演,并与Metropolis-Hastings（MH）方法进行对比。结果表明,本文算法的参数值达到稳定波动时的抽样次数减少了85%左右,参数优化效率提升3倍左右。参数优化后,2种NEE模型中7个参数不确定性降低10%~53%。此外,NEE模拟效果明显提升,模拟值与实测值的R2分别提高23%和17%,RMSE分别降低3%和4%。综上所述,本文提出的参数优化方法对生态领域的参数估计或数据同化工作具有一定的借鉴意义。 相似文献
16.
社会问卷调查往往需要针对多目标测度不同类型的数据,而传统的抽样方法主要针对单目标对象,且数据类型为数值型数据。本研究以厦门岛出行调查为例,调查问卷包含了住区特征、居民社会经济状况、就业情况、出行方式、出行目的与时间等方面的指标,提出了以变异度模型为主的新方法。以厦门岛住区居民出行所带来的能耗问题收集的少量先验问卷信息以及历史数据为基础,通过模型表征测度不同类型变量的空间变异性,将其作为空间分层的依据从而完成抽样布点方案,评价精度通过抽样方差进行。结果表明：① 综合多种因素分层可以灵活地解决调查中涉及类别数据以及数值型数据的问题,将影响抽样问题的各类型因素体现到样点空间布点方案中,扩大三明治空间抽样的应用范围;② 三明治空间抽样各层样点的分布以及容量受层变异度值（相当于方差）的影响,但其样本容量并不是简单随着区域的层变异度值的增大而增大,空间抽样样本容量同时受到多个因素的影响,其地理空间的大小也是其中一个影响因素;③ 变异度模型成功地量化了各种类型数据,通过少量的预调查得到更详细的抽样方案,其抽样精度为0.0002,样本容量35,满足了问卷调查的目标需求并将抽样样本容量控制在合理的范围之内。 相似文献
17.
《中国海洋湖沼学报》2021,(4)
The accurate calculation of marine environmental design parameters depends on the probability distribution model, and the calculation results of diff erent distribution models are often diff erent. It is very important to determine which distribution model is more stable and reasonable when extrapolating the recurrence level of the studied sea area. In this paper, we constructed an evaluation method of the overall uncertainty of the calculation results and a measurement of the uncertainty of the design parameters derivation model, by incorporating the infl uence of sample information on the model information entropy, such as sample size, degree of dispersion, and sampling error. Results show that the sample data size and the degree of dispersion are directly proportional to the information entropy. Within the same group of data, the maximum entropy distribution model has the lowest overall uncertainty, while the Gumbel distribution model has the largest overall uncertainty. In other words, the maximum entropy distribution model has good applicability in the accurate calculation of marine environmental design parameters. 相似文献