共查询到10条相似文献，搜索用时 359 毫秒
1.
在总结了目前海底底质分类研究的基础之上,率先提出利用计算机数值模拟技术对海底底质进行分类识别研究。相较于目前海底底质分类研究中所使用的水槽实验法,提出采用计算机数值正演技术模拟实际地震勘探中数据采集过程。在分类识别算法上,分别采用支持向量机(SVM)和模糊C均值聚类(FCM)算法对采集的数据进行分类,为使支持向量机分类识别率达到最大,引入差分进化算法对支持向量机中关键参数进行最优化搜索,并研究了向原始地震记录中加入10%,30%,50%的高斯白噪音时算法的稳定性。在分析了这两种算法分类识别的正确率及其各自的优缺点后,提出了海底底质分类识别的两步法,即(1)先利用模糊C均值聚类进行一粗糙的预测分类,在每一类中挑选聚类性较好的数据作为支持向量机的训练样本;(2)将上一步中筛选的样本作为支持向量机的训练样本,并用差分进化算法优化支持向量机分类参数,再利用训练好的支持向量机对其余数据做预测分类。鉴于计算机数值模拟的可重复性、高效快速性及本文提出的模糊C均值聚类-支持向量机方法的鲁棒性,为便于开展进一步研究,归纳总结了一套行之有效的采用计算机数值模拟技术开展海底底质分类识别研究的一般化流程。 相似文献
2.
甲壳动物线粒体基因组蕴涵了物种进化历程中重要的遗传信息,如何有效地利用这些保留在基因组中的基因序列和基因顺序信息,是甲壳动物线粒体基因组研究的一个重点方向。为了进一步探讨甲壳动物稳定、可靠的系统发育关系,本文利用支持向量机的分类功能实现了甲壳动物线粒体基因组基因区与基因间区、编码区与非编码区的准确分类和预测,同时为了提高分类学习机的泛化能力,使用了交叉验证方法和粒子群算法优化选取支持向量机相关训练参数。通过MATLAB仿真分析的方法,对10种甲壳动物线粒体基因组序列的基因区和基因间区进行分类,以及对5种甲壳动物进行线粒体基因组序列中编码区和非编码区的分类,获得了较好的分类准确率。仿真结果表明本文方法是可行的和有效的,能够出色地应用于甲壳动物线粒体基因组序列的研究分析。 相似文献
3.
《海洋湖沼通报》2015,(3)
对合成孔径雷达(synthetic Aperture Radar,SAR)图像提取得到的几何、灰度、纹理特征共66个特征量,采用封装模式算法进行特征选择,降低特征维度并提高对溢油及疑似溢油样本的识别率。特征选择采用二进制离散粒子群优化(binary particle swarm optimization,BPSO)和支持向量机(support vector machine method,SVM)的封装模式算法(BPSO-SVM)进行,该方法在特征选择的同时可对支持向量机模型中的参数进行优化。论文采用BPSO-SVM算法和序列前向搜索(sequential forward selection,SFS)算法、序列后向搜索(sequential backward selection,SBS)算法与SVM算法相结合特征优化算法(SFS-SVM和SBS-SVM算法)进行实验。并将BPSO-SVM算法、SFS-SVM算法、SBS-SVM算法和直接使用SVM算法的分类识别结果进行比较。实验结果表明,BPSO-SVM算法在SAR图像上溢油特征量筛选与识别效率方面行之有效。 相似文献
4.
《海洋技术学报》2021,(4)
电阻率测量是海底沉积物工程地质勘察的主要原位观测方法之一,作为一种间接测量方法,需要建立沉积物物性参数与沉积物电阻率的回归模型。为提高建模精度,本文提出了一种基于鲸鱼算法优化的最小二乘支持向量机(Whale Optimization Algorithm-Least Squares Support Vector Machine,WOA-LSSVM)的海底沉积物物性参数与电阻率回归建模方法。该方法建立了海底沉积物电阻率与沉积物4种基本物性参数(含水率、密度、孔隙比、塑性指数)的单输入、单输出最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)回归模型,利用WOA算法对LSSVM参数进行寻优取值。对比研究了WOA算法、遗传算法(Genetic Algorithm,GA)、粒子群(Particle Swarm Optimization,PSO)算法优化的LSSVM建模结果,结果表明,基于WOA-LSSVM建立的海底沉积物物性参数与电阻率的回归模型具有更好的预测效果,均方根误差降低1.1%～14.9%,平均绝对百分比误差降低0.4%～19.9%。 相似文献
5.
6.
考虑海底沉积介质为双相介质,为了更好地模拟实际海底底质的不均匀性,将随机介质理论引入双相介质理论。首先,通过基于随机-双相介质理论的高阶有限差分数值技术模拟计算海底底质分别为泥质砂、泥、泥质砾时的地震反射波信号。然后利用小波变换分别求取不同底质的一次反射波的包络作为其特征向量,最后利用基于粒子群智能算法优化的支持向量机神经网络对这些反射波信号进行分类识别。为了进一步考察所用方法的抗噪能力,对正演得到的海底底质反射波信号分别加入10%、30%、50%的高斯白噪音之后再进行分类,支持向量机仍然取得了较好的分类预测效果。基于上述正演模拟及分类识别方法的论证,提出了一套行之有效的微机软件模拟海底沉积物分类识别的一般化流程,这将有利于开展海底沉积物反射特征的进一步研究。 相似文献
7.
针对传统分类方法易受到"同物异谱"和"同谱异物"影响，致使河口湿地覆盖分类精度较低的问题，提出一种基于遗传算法优化BP神经网络分类算法。以江苏省临洪河口湿地为研究区，选用哨兵Sentinel-2影像，经辐射校正、大气校正和图像裁剪等预处理后，构建基于自适应遗传算法优化的BP神经网络算法开展临洪河口湿地土地覆盖分类研究，并与传统BP神经网络、支持向量机和随机森林算法进行精度比较。研究结果表明：遗传算法优化后的BP神经网络算法开展河口湿地土地覆盖分类的总精度为96.162 7%，Kappa系数为0.952 0；与传统BP神经网络、支持向量机和随机森林分类算法的分类总精度相比，分别提高了7.359 7%、11.677 9%和6.042 4%；对应的Kappa系数也相应提高了0.090 8、0.118 0和0.074 8；有效解决了河口湿地土地覆盖分类精度低的问题。遗传算法优化后的BP神经网络可实现河口湿地土地覆盖的高精度分类，促进湿地资源的合理开发和保护，为实现海洋生态文明建设提供技术支撑。 相似文献
8.
9.
10.
《中国海洋大学学报(自然科学版)》2017,(Z1)
本文给出了一种结合影像分割和最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)的海冰监督分类方法。考虑到SAR数据的斑点噪声影响分类精度,首先利用分水岭算法和等级区域合并执行影像分割,利用分割后的区域代替像素开展分类研究,由于分割尺度影响分类精度,文中利用LSSVM算法对不同尺度下的分割结果执行分类,通过评估分类精度确定最优分类结果及其对应最优分割尺度,从而克服经验选择分割尺度缺乏理论依据的不足。利用两组SIR-C数据验证了算法,实验结果表明本文算法的总体分类精度超过85%,能较好的识别不同类型的海冰。 相似文献