排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
海洋表面温度(SST)具有非线性、非平稳等特征,给处理和预测带来了很大的困难.将集合经验模态分解(EEMD)、改进的集合经验模态分解(CEEMD)与支持向量机(SVM)方法相结合,实现了对东北太平洋月平均海温距平序列(SSTA)的预测:首先应用EEMD或CEEMD方法将SST数据分解为多个本征模态函数(IMFs),然后应用SVM算法对各IMFs进行拟合、预测,最后对各IMFs预测结果叠加重构得到预测结果.EEMD-SVM和CEEMD-SVM数值模拟结果显示,预测最大误差小于0.25℃,并且CEEMD-SVM预测效果更好,为SST实际预测提供了参考. 相似文献
2.
基于高光谱成像技术的配方烟丝组分判别 总被引：1，自引：0，他引：1
应用近红外（1 000～2 200 nm）高光谱成像技术开展了面对像素、面对样本的配方烟丝 4种组分（叶 丝、梗丝、薄片丝、膨胀丝） 的判别研究。以样本高光谱图像的所有像素点光谱数据进行面对像素的组分判 别;以样本所有像素点的平均光谱数据进行面对样本的组分判别。采用二阶导数法结合萨维茨基－戈莱平滑 （SG）滤波对光谱数据进行预处理。通过面对像素数据的主成分分析,证实了基于面对像素的高光谱数据进行 组分判别的可行性,以前5主成分建立的支持向量机模型很好地实现了叶丝与梗丝、叶丝与薄片丝的判别任 务。建立了面对样本的4组分的K近邻和支持向量机判别模型,通过连续投影算法和二阶导数法进行特征波 长选择,筛选出具有高判别准确率的波段,组分判别率达86. 97%。 相似文献
1