基于流形学习和空间信息的改进N-FINDR端元提取算法

光谱端元提取是对高光谱数据进一步分析的重要前提。由于双向反射分布函数(BRDF),像元内的多重散射和亚像元成分的异质性等因素,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取的端元精度不高。在光谱非线性混合的基础上,提出一种将流形学习与空间信息结合的改进N-FINDR端元提取算法。首先通过自适应的局部切空间排列算法寻找嵌入在高维非线性数据空间的本质的低维结构,将原始高光谱数据非线性降维到低维空间。接着利用地物分布具有连续性的特点,通过增大空间同质区域的像元的权重进行空间预处理。最后通过寻找最大单形体体积进行端元提取。提出算法很好的解决了高光谱遥感数据非线性结构,并利用了空间信息,提高了端元提取的精度。模拟数据实验和真实高光谱遥感数据实验结果均表明,采用该算法得到的结果优于顶点成分分析(VCA) 算法、基于测地线距离的最大单形体体积(GSVM)算法和空间预处理的N-FINDR(SPPNFINDR)算法。     

一种基于修正扩展形态学算子的高光谱遥感 图像端元提取算法

形态学算子反映了像素的空间相关性信息,将其应用于高光谱遥感图像端元提取可以有效地提升算法性能.本文针对已经普遍用于高光谱遥感图像端元提取的扩展形态学算子在像元排序规则和替换准则上存在的局限性,引入了基准向量的概念并给出计算方法,提出了修正扩展形态学算子.修正后的排序规则和替换准则避免了图像中不同类别交界处的交叉替换现象,保证了正确的覆盖方向,是提高端元提取效果的关键步骤.通过修正扩展形态学算子的基本膨胀和腐蚀运算,定义了相应的开-闭运算和闭-开运算,由此得出了端元判定向量,并给出端元提取算法的详细流程.基于扩展形态学的自动端元提取算法可以综合考虑光谱和空间信息,端元提取效果优于仅依靠光谱信息的算法.算法由IDL7.0实现,并在AVIRIS于Cuprite地区的高光谱遥感图像上进行实验,实验结果从光谱曲线相似性、端元平均相似度和相应地物分布图等方面证明了算法的有效性.     

一种基于修正扩展形态学算子的高光谱遥感图像端元提取算法

形态学算子反映了像素的空间相关性信息,将其应用于高光谱遥感图像端元提取可以有效地提升算法性能,本文针对已经普遍用于高光谱遥感图像端元提取的扩展形态学算子在像元排序规则和替换准则上存在的局限性,引入了基准向量的概念并给出计算方法,提出了修正扩展形态学算子.修正后的排序规则和替换准则避免了图像中不同类别交界处的交叉替换现象,保证了正确的覆盖方向,是提高端元提取效果的关键步骤.通过修正扩展形态学算子的基本膨胀和腐蚀运算,定义了相应的开-闭运算和闭-开运算,由此得出了端元判定向量,并给出端元提取算法的详细流程.基于扩展形态学的自动端元提取算法可以综合考虑光谱和空间信息,端元提取效果优于仅依靠光谱信息的算法.算法由IDL7.0实现,并在AVIRIS于Cupritc地区的高光谱遥感图像上进行实验,实验结果从光谱曲线相似性、端元平均相似度和相应地物分布图等方面证明了算法的有效性.     

一种改进的快速N-FINDR端元提取算法

为了解决传统N-FINDR算法计算量大,提取结果对噪声和初始端元选取敏感,且容易将异常点作为端元而造成误提取的问题,提出一种改进的快速N-FINDR端元提取算法.该方法通过光谱距离提取并去除高光谱图像中的冗余信息,减少N-FINDR提取端元的搜索范围,平滑噪声影响,并自适应剔除异常点,通过最大化光谱距离选取N-FINDR的初始端元,避免了随机选择的盲目性.采用合成数据和真实高光谱数据进行仿真分析并与现有算法进行对比,结果表明,本文算法能在噪声与奇异点干扰下正确提取端元,其提取效率和鲁棒性均优于现有算法.     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

空间人造目标混合光谱材料数目确定方法仿真研究

在空间人造目标光谱分析领域,受到观测距离和观测设备空间分辨率的限制,通常在观测空间人造目标光谱信号时,目标某个瞬时视场中的多种纯物质材料的光谱特征信息组合在一个像元中,形成“混合光谱”。因此,将这些混合光谱分解为每个单一材料的光谱并估计出相应的组成比例是空间人造目标光谱分析研究的重点。大多数现有空间目标光谱分解方法都假设空间人造目标混合光谱中包含的纯物质材料种类个数（即“端元数目”）是先验已知的,这对于未知空间人造目标而言是不现实的。因此,纯物质材料数目正确估计对后续光谱数据分析处理的准确性起着至关重要的作用。目前,现有的端元数目确定方法的设计均在高斯白噪声的假设下进行,而对于噪声信号的分布存在频谱相关性的情况下,会提供较差的结果。采用一种基于数据内在维度和似然最大化理论的方法--鲁棒特征值极大似然方法。由于数据内在维数与信号协方差矩阵和信号相关矩阵特征值差异的统计分布特性高度相关,因此通过分析该特征值差异的统计分布特性,构建一个极大似然函数,可以实现空间人造目标混合光谱端元数目的确定。该方法包含两个步骤：首先,采用基于多元回归和改进最小噪声分离方法对原始光谱数据进行预处理完成噪声特性估计和噪声白化过程,从而有效抑制具有频谱相关性的噪声的干扰;接下来,通过求解一个离散对数联合似然函数的极大值问题来实现空间人造目标混合光谱端元数目的确定,该方法完全不需要输入任何参数,并且运行速度比较快。分别利用实验室实测的五种空间人造目标材料的可见/近红外光谱数据和美国地质勘测局光谱数据构建混合光谱仿真数据进行实验。结果表明,该方法能有效抑制相关噪声和白噪声的干扰,空间人造目标纯物质材料数目确定结果具有很好的准确性和稳定性。     

两种基于空间与光谱相结合的TM影像端元提取算法

针对TM影像波段少,光谱信息相对不丰富的情况,提出了两种结合空间与光谱信息的端元提取算法.首先,提出了基于空间分块的端元提取算法,该算法先对影像进行快速浏览,根据地物分布的复杂程度,确定分块的方案,在分块的基础上通过沙漏算法迅速地提取端元;其次,提出了一种基于空间连续性的端元提取算法,此算法也在分块思路指导下,通过光谱...     

一种空间自适应的多光谱遥感影像端元提取方法

针对现行的凸锥体分析方法提取多光谱影像端元数目的有限性,提出了基于空间全局聚类分析的多光谱遥感影像端元自适应提取方法。该方法首先通过主成分分析对多光谱遥感影像进行降维处理,去除波段间的相关性;然后根据空间光谱间相似性,采用经典的空间聚类算法ISODATA对影像全局聚类,合并聚类后小斑块,实现影像自动分块;最后根据分块对象地物类型分布的复杂程度和散点图特征分析,自适应确定端元数目,再通过沙漏算法迅速地提取端元。通过TM影像端元提取实验表明该方法能够有效的提取多光谱影像的端元;同时克服了端元数目限制,提高了端元提取的精度,为多光谱遥感影像端元提取提供了新思路。     

云计算环境下动态数据聚集算法研究

云计算技术的普及带动了数据的增长,为了对云环境下动态数据进行管理,防止数据损坏甚至丢失,方便后续利用,需要对云计算环境下动态数据进行聚集。但目前大多数算法都是基于线性时间概率计数的数据聚集算法,通过数据聚集操作在中间节点预先对数据进行处理,去除数据冗余,减少数据传输,实现节能,对于云计算环境下数据聚集操作存在的重复计数问题,通过研究对副本不敏感的概要结构并优化某些特性,从而完成数据聚集,但这种方法存在占用的存储空间较大,且不能保证动态数据聚集的准确性的问题。为此,提出一种基于粒子群优化算法的云计算环境下动态数据聚集算法,该算法通过对云计算环境下动态数据聚集算法数学模型进行分析,在此基础上,提出基于粒子群优化算法的云计算环境下动态数据聚集算法。首先对云计算环境中的动态数据结构模型进行分析,完成对云计算环境下动态数据的离散样本频谱特征的计算,实现云计算环境下动态数据聚集样本的特征提取和信息模型构建。针对粒子群算法收敛速度慢的问题,本文通过混沌映射方法对其进行优化,通过生成混沌序列,解决粒子群算法存在的问题,利用粒子群优化算法进行特征聚集,从而完成云计算环境下动态数据聚集算法。实验结果表明,本文所提算法能够有效提高动态数据聚集的可靠性和稳定性,降低聚集时间,减少所占内存空间,具有较强的实践性,为该领域的发展创造了条件。     

高光谱图像中基于端元提取的小目标检测算法

针对高光谱图像中小目标检测问题,提出了一种基于端元提取的目标检测算法。该算法利用主成分分析的变换矩阵来构造投影算子,把原始图像投影到该算子构成的正交子空间后,大概率的背景信息得到抑制,从而突出了小概率的目标;在完成背景信息抑制的基础上,利用迭代误差分析方法进行端元的自动提取;根据所提取出的目标端元的光谱,结合光谱角度匹配技术完成目标物的检测。为了验证新方法的有效性,利用高光谱数据进行了实验研究,并与经典的RX算法的检测结果相比较。实验结果表明提出的基于端元提取的算法不需要目标的任何先验知识就能达到比较好的目标探测效果,对RX算法检测效果不太理想的小目标也能准确识别。     

基于RDC-PSOA的复杂自动化控制最优任务规划方法研究

在复杂的自动化控制模型中进行最优任务规划数据推荐时,容易出现只将任务分配给最先执行的处理器的情况,导致个别处理器上任务分配过多,造成整体时间跨度增加,提出一种基于推荐数据特点粒子群优化(Recommended data characteristics-Particle swarm optimization algorithm: RDC-PSOA)的复杂自动化控制最优任务规划方法,以一群随机粒子为初始解,依据复杂自动化控制模型中任务规划数据推荐问题的特点,在粒子群算法的基础上,重新塑造粒子描述形式,对粒子的位置与速度进行编码,将粒子群算法映射到离散空间,通过迭代获取全部可能的自动化控制任务规划方案,实现数据的有效推荐。仿真实验结果表明,所提方法不仅具有很强的收敛能力,而且数据推荐完成时间短,性能优越。     

基于代价优化的云工作流调度改进PSO算法

云计算可以通过即付即用的方式向用户工作流提供资源。为了解决资源服务代价异构环境下的云工作流任务调度代价问题,提出一种基于改进粒子群算法的云工作流任务调度算法WSA-IPSO。通过综合考虑任务的执行代价和依赖任务间发生数据传输时的通信代价,算法将总代价优化问题形式化为有向无环图DAG中的任务调度模型,并提出基于改进粒子群算法的优化模型对其进行求解。通过改进传统粒子群算法的粒子速度更新策略和惯性权重更新策略,算法可以以更快的收敛速度得到代价最小化的调度方案。通过仿真实验,与MCT算法及标准粒子群算法进行性能比较。实验结果表明,WSA-IPSO算法在降低总代价、任务分布的负载均衡以及算法收敛性方面比较同类算法均表现出更好的性能。     

基于粒子群优化的核匹配追踪目标识别

提出了一种基于粒子群优化的用于目标识别的核匹配追踪算法.该算法用粒子群优化算法在基函数字典中选择最优的基函数,大大降低了基匹配追踪算法的计算复杂度.通过与标准核匹配追踪算法及基于遗传算法的核匹配追踪算法对UCI数据集及纹理图像的识别试验表明,核匹配追踪算法优良的分类性能以及粒子群优化算法高效的全局搜索能力使新算法能有效识别目标数据.     

离散粒子群优化算法在硅钢涂层近红外光谱厚度检测中的应用研究

提出一种基于粒子群优化算法实现的硅钢涂层厚度近红外光谱检测新方法.首先,采用近红外光谱仪采集获得了硅钢表面绝缘涂层的近红外光谱,然后,采用离散粒子群算法筛选出近红外光谱数据的最佳波长变量并组成新的光谱数据,最后,建立涂层厚度的核偏最小二乘定量分析模型.实验显示,所建定最分析模型对检验样本分析的绝对误差范围为-0.12～...     

Learning Competitive Swarm Optimization

Particle swarm optimization (PSO) is a popular method widely used in solving different optimization problems. Unfortunately, in the case of complex multidimensional problems, PSO encounters some troubles associated with the excessive loss of population diversity and exploration ability. This leads to a deterioration in the effectiveness of the method and premature convergence. In order to prevent these inconveniences, in this paper, a learning competitive swarm optimization algorithm (LCSO) based on the particle swarm optimization method and the competition mechanism is proposed. In the first phase of LCSO, the swarm is divided into sub-swarms, each of which can work in parallel. In each sub-swarm, particles participate in the tournament. The participants of the tournament update their knowledge by learning from their competitors. In the second phase, information is exchanged between sub-swarms. The new algorithm was examined on a set of test functions. To evaluate the effectiveness of the proposed LCSO, the test results were compared with those achieved through the competitive swarm optimizer (CSO), comprehensive particle swarm optimizer (CLPSO), PSO, fully informed particle swarm (FIPS), covariance matrix adaptation evolution strategy (CMA-ES) and heterogeneous comprehensive learning particle swarm optimization (HCLPSO). The experimental results indicate that the proposed approach enhances the entropy of the particle swarm and improves the search process. Moreover, the LCSO algorithm is statistically and significantly more efficient than the other tested methods.     

基于二进制粒子群算法的认知无线电决策引擎

提出了基于粒子群算法的认知无线电决策引擎,并提出了一种种群自适应粒子群算法,利用粒子群算法调整优化无线电参数,运用多载波系统对算法性能进行了仿真分析.实验结果表明基于二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定性上都要明显优于经典遗传算法,基于种群自适应粒子群算法的决策引擎则能进一步提高算法初期性能,满足认知无线电实时性要求. 关键词： 认知无线电 粒子群算法 遗传算法 认知决策引擎     

基于量子粒子群算法的混沌系统参数辨识

针对混沌系统参数辨识问题, 在基本群智能算法粒子群优化算法的基础上, 提出量子粒子群算法, 测试函数证明了算法具有良好的全局优化能力. 进而将其应用于混沌系统参数辨识问题, 将参数辨识问题转化为多维函数空间上的优化问题. 通过对平衡板热对流典型混沌系统Lorenz系统进行研究, 并与基本算法和遗传算法比较. 仿真实验证明, 算法的有效性, 对混沌理论的发展有着非常重要的意义. 关键词： 量子粒子群算法 混沌系统 系统辨识     

鲸群优化的粒子滤波算法研究

针对标准的粒子滤波存在粒子贫化问题,提出了一种鲸群优化的粒子滤波算法.用粒子表征鲸鱼个体,模拟鲸鱼群体搜寻猎物的过程,引导粒子向高似然区域移动.将粒子滤波中粒子的状态值作为鲸鱼群的个体位置,将粒子的状态估计转化为对鲸鱼群的寻优;通过鲸群的螺旋运动方式优化粒子的重要性采样过程,使粒子分布更加合理,对鲸群算法中的全局最优值...     

粒子群及遗传算法在相对论返波管中的应用

在全三维粒子模拟软件CHIPIC平台上,分别开发了粒子群及基因算法模块.以相对论返波管为例,采用三种不同类型的参数(连续参数、离散参数、混合参数),对粒子群及基因算法进行比较.优化结果表明:粒子群算法的收敛速度更快,在有限的迭代步数内得到的目标结果也更优良,总体表现优于基因算法.     

粒子群优化算法在光纤光栅传感器波长解调中的应用

为了提高光纤光栅(FBG)解调系统的波长解调精度,采用粒子群优化(PSO)算法结合参考光纤光栅(FBG),对常用波长解调器Fabry-Perot型光纤滤波器(FPF)的透射光谱中心波长与控制电压之间存在的非线性和回滞特性进行了研究,并提出一种实时建立FPF透射光中心波长与其控制电压之间关系模型的方法。该方法利用粒子群优化算法收敛快、易实现的特点,保证了FPF模型建立的准确性和实时性。实验结果证明,利用所建模型可有效提高FBG传感系统的波长测量准确度,测量误差不超过25 pm。系统结构简单,对提高FBG传感系统的测量准确度具有重要意义。