共查询到20条相似文献,搜索用时 328 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.
5.
《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
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
11.
本文基于HY-2A/SCAT数据,采用贝叶斯算法、线性判别算法、支持向量机算法、基于主成分分析(Principal component Analysis,PCA)的BP神经网络算法对极地地区的海冰进行检测,并将检测结果与SSMIS海冰密集度数据进行比较。结果表明:四种检测算法得到的海冰边界介于SSMIS 0%~30%海冰密集度边界之间。在高风速条件下,海冰和海水的后向散射特征区分不明显可能造成冰水误判,以2013年9月16日北极海冰检测为例,贝叶斯算法检测结果误判最少,其次为基于PCA的BP神经网络算法,线性判别和支持向量机两种算法误判率较高。考虑到检测算法的运行效率和冰水误判率,选择贝叶斯算法和支持向量机算法进行海冰面积的季节趋势分析,两种算法得到的海冰面积变化趋势都能反映季节性变化,且在海冰生长季支持向量机算法探测的海冰面积与SSMIS 15%密集度海冰范围保持较好的一致性。 相似文献
12.
海上透明云、薄云的存在,会在一定程度上影响利用卫星遥感进行定量化的水色(泥沙含量、叶绿素、海水透明度等)反演的精度,也会影响海温定量化产品的精度[1].因此,在卫星遥感中深入研究海上透明云薄云是进行水色质量控制的一个很重要的内容.本文针对目前的海洋一号卫星水色扫描仪(HY-1 COCTS)、EOS卫星中分辨率成像光谱仪(MODIS)和神舟三号飞船中分辨率成像光谱仪(SZ3-CMODIS)的遥感云检测方法进行了分析,提出了一种实用的海上透明云薄云检测算法,检测有效率在80%以上,最后给出了检测结果图例. 相似文献
13.
14.
基于网格搜索的支持向量机核函数参数的确定 总被引:18,自引:0,他引:18
为提高支持向量机的分类准确率,研究了支持向量机核函数的参数确定问题,得到了1种确定支持向量机核函数的参数的有效途径.利用网格搜索法可使各组核函数参数相互解耦,从而便于并行计算,提高了运行效率.将此方法用于测井岩性分类器的训练得到了较理想的仿真结果. 相似文献
15.
基于粒子群优化算法的PSO-BP海底声学底质分类方法 总被引:2,自引:2,他引:0
利用粒子群优化算法(PSO)较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别。实验表明,3类底质分类精度均大于90%,高于BP神经网络70%左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别。 相似文献
16.
17.
在光谱规则分类算法(Spectral Rule-based Classifier, SRC)基础上考虑大气校正对遥感影像光谱反射率的影响,提出了一种改进光谱规则的分类算法(Modified Spectral Rule-based Classifier, MSRC),从地物光谱响应曲线和光谱指数两个方面来修正光谱规则集,通过规则细化和补充、阈值改正优化光谱类别。以珠江三角洲海岛(佳蓬、淇澳)和海岸带(荃湾、惠东)的Landsat 8影像作为实验数据,对比了大气校正前后波段反射率和地物光谱响应曲线,分析了改进后MSRC算法的地物分类结果和精度,并与原SRC算法、最小距离分类(MDC)算法、最大似然分类(MLC)算法、支持向量机分类(SVM)算法、神经网络分类(NNC)算法以及基于光谱指数的算法等多种地物分类算法进行比较。结果表明,4组实验数据的MSRC算法分类结果总体精度分别为87.66%、82.38%、77.67%和80.05%,高于SRC、MDC、MLC和基于光谱指数的分类算法,在无需人工标注训练数据集的前提下接近SVM和NNC算法的分类精度。MSRC算法适用于海岛和海岸带的Landsat 8多光谱遥感影像。 相似文献
18.
为提高遥感影像融合质量,提升资源一号(ZY-1 02D)高光谱遥感影像滨海湿地植被分类精度,提出将ZY-1 02D高光谱影像与空间分辨率为10 m的哨兵2号(Sentinel-2)影像进行Brovey融合,并通过搭建AlexNet卷积神经网络对ZY-1 02D高光谱影像和Brovey融合影像的滨海湿地植被进行分类,与支持向量机、随机森林和BP神经网络分类算法进行精度对比。研究结果表明:经Brovey融合后,AlexNet、支持向量机、随机森林和BP神经网络算法的植被分类总体精度分别提高15.60%、7.00%、14.80%和10.00%,Kappa系数提高了21.35%、9.93%、18.97%、12.85%;基于Brovey影像融合与AlexNet算法的植被分类精度最高,总体精度为92.40%,Kappa系数为89.42%。空谱融合配合AlexNet卷积神经网络有效解决了高光谱遥感影像在滨海湿地植被分类应用中精度较低的问题,为滨海湿地植被资源动态监测提供技术和方法支撑。 相似文献
19.
20.
《海洋湖沼通报》2020,(2)
针对支持向量机在高分二号卫星遥感图像分类中的核函数选择问题,以长江口南汇典型潮滩湿地为研究区,进行了支持向量机不同核函数分类结果的对比分析。首先,根据实地测量以及无人机航拍影像标记六类地物共计1800个优质样本点,然后将标记样本点的像元值投影到三维空间中,分析了支持向量机分类过程中最优分类超平面的构建以及误差来源,最终从标记样本点中选取训练样本和测试样本,进行了支持向量机不同核函数的分类训练,得到分类结果和分类精度。研究结果表明,在训练样本数量相同的情况下,线性核函数支持向量机的分类结果好于RBF核函数和Sigmoid核函数的分类结果。三种核函数的分类精度都随着训练样本数量的增加逐渐增高并趋于稳定,RBF核函数和Sigmoid核函数支持向量机分类精度变化趋于对数分布。 相似文献