排序方式: 共有23条查询结果,搜索用时 9 毫秒
1.
基于高阶残差量化的光谱二值编码新方法 总被引:1,自引:0,他引:1
光谱二值和多值编码技术能够实现目标光谱的快速匹配、识别和分类等应用,但这类量化编码方法会损失大量的光谱细节信息,且不能解码出与原始光谱近似的重构光谱,应用有限。为了解决上述问题,提出一种高阶残差量化的光谱编码新方法HOBC(high-order binary coding)。首先,对光谱向量进行去均值的规范化处理,得到值域为(-1, 1)的光谱序列;然后,求解规范化光谱的±1编码、编码系数和残差(即一阶残差);基于一阶残差,逐阶解算2至K阶残差的±1编码及其系数;最后得到K个编码序列及其系数,即为HOBC的编码结果。选择典型波谱库数据集,对比光谱0/1二值编码BC01(binary coding with 0 and 1)、光谱分析编码SPAM(spectral analysis manager)、二值/四值混合编码SDFC(spectral derivative feature coding)和DNA四值编码等4种方法,进行了光谱量化编码和解码重构实验,分别统计了光谱形状特征和斜率特征编码的信息熵和存储量、光谱形状特征编码与原始光谱之间的光谱矢量距离SVD (spectral vector distance)、谱间Pearson相关系数SCC (spectral correlation coefficient)和光谱角SAM (spectral angle mapping)。结果表明,在编码存储量上,HOBC的1~4阶编码分别与以上4种编码相等;在编码信息熵上,HOBC的1~2阶编码分别与BC01和SPAM相等,而HOBC的3~4阶编码分别高于SDFC和DNA编码;在SCC上,HOBC1阶编码与BC01相等,而2~4阶编码均分别优于SPAM,SDFC和DNA编码;在SAM方面,HOBC 1~4阶编码均分别明显优于4种对比方法;4种对比方法不能明确解码重构,而HOBC可简便重构出与原始光谱近似的解码序列,且SVD逐阶递减。进一步,基于临泽草地试验站公开光谱数据集,进行了10类地物目标的光谱编码和监督分类实验,实验结果表明,在Kappa系数,总体分类精度和平均分类精度等3种性能评价指标上,HOBC均明显优于4种对比方法,尤其是,HOBC 4阶编码优于原始光谱的分类性能;对样本数量较少且类间相似性较高的难分类地物,HOBC亦具有优于其他算法的鲁棒性。说明HOBC编码在大幅压缩数据量的同时,其编码序列能保留较高的信息量,且具有较高的光谱可分性,可用于光谱高精度快速识别和分类;其解码重构序列与原始光谱序列具有较高的相似性,理论上可适用于目标识别和分类等应用。 相似文献
2.
系数为梯形模糊数的模糊回归分析的最小二乘法 总被引:1,自引:0,他引:1
张爱武 《数学的实践与认识》2012,42(22):235-244
由于模糊数往往可以用梯形模糊数来逼近,因此对梯形模糊数的模糊回归模型的研究就有一定的实用价值.采用最小二乘的方法,针对输入为精确数、输出和回归系数都是梯形模糊数的模糊线性回归模型,讨论了该模型回归系数的最小二乘估计及误差项的估计,实例说明了提出的参数估计的拟合度比较好. 相似文献
3.
构建模糊AR(p)时间序列模型,对CPI进行了预测,通过实际数据模拟发现,与传统的ARIMA模型相比,模糊AR(p)时间序列模型预测的效果更好. 相似文献
4.
5.
6.
7.
参加由北京中实国金实验室能力验证研究有限公司组织实施的NIL PT–0501–1钢中碳硫含量的测定(国际比对)能力验证。采用GB/T 20123–2006《钢中总碳硫含量的测定高频感应炉燃烧后红外线吸收法》测定碳硫含量。在试验过程中,通过减少试样质量,控制称样温度,用有证参考物质绘制工作曲线,由测得的峰值计算碳硫含量。将所得结果采用稳健统计技术处理中的Z比分数进行了评定,碳含量Z比分评定结果为Z=1.0,硫含量Z比分评定结果为Z=0.7,均小于2.0,结果满意。实验室碳硫分析数据能够得到国际国内同行的互认。 相似文献
8.
针对三维激光雷达在国内有巨大的应用市场,而国外商业三维激光雷达十分昂贵的现状,开发了一种360°连续扫描的便携式三维激光雷达系统。采用一个二维激光扫描仪与高精度转台连接,通过步进电机控制形成三维激光扫描。在分析系统误差来源的基础上,提出了系统误差校正方法,给出了三维坐标精确计算公式。实验结果表明,系统测量精度高,数据质量好。系统作用距离80 m,测距精度可达6 mm,测量速度每秒7256点,可满足室内室外大规模场景三维数据快速获取的需求,而成本仅是国外同类商业三维激光雷达价格的四分之一左右,且重量轻体积小,携带方便。 相似文献
9.
基于谱聚类与类间可分性因子的高光谱波段选择 总被引:1,自引:0,他引:1
随着遥感技术和成像光谱仪的发展,高光谱遥感图像的分辨率不断提高,其庞大的数据量在提高其遥感探测能力的同时,也给分析和处理带来了很大的困难。高光谱波段选择可以有效减少数据冗余,提高分类识别精度和处理效率。因此如何从多达数百个波段的高光谱图像中选择出具有较好分类识别能力的波段组合是亟待解决的问题。针对上述问题,采用基于图论的谱聚类算法,将原始高光谱图像中的波段作为待聚类的数据点,利用互信息描述两两波段间的相似度,生成相似度矩阵。再根据图谱划分理论,将相似度矩阵生成的非规范化图拉普拉斯矩阵进行谱分解,得到类间相似度小且类内相似度大的类簇;然后根据地物类型计算各波段的类间可分性因子,将其作为类簇内进一步选择代表性波段的参考指标,达到降维的目的;最后通过支持向量机与最小距离分类方法对波段选择后的图像分类。该方法区别于传统的无监督聚类方法,采用基于图论的谱聚类算法,并根据先验知识计算类间可分性因子来选择波段。通过与自适应波段选择算法和基于自动子空间划分的波段指数算法的对比实验,结果表明:两组实验当聚类数目达到相对最佳时,该波段选择方法支持向量机图像总分类精度达到94.08%和94.24%以上,最小距离分类图像总分类精度达到87.98%和89.09%以上,有效保留了光谱信息,提高了分类精度。 相似文献
10.