摘要：针对传统算法在分类处理不平衡大数据集时存在的精度差和效率低等问题,提出了一种基于PSO-DBN的分类算法。先采用融合渐进式的过采样模式改善大数据集的不均衡状况,并优化样本的类别与数量组合;设计了一种堆栈式的RBM结构,以当前RBM的隐含层输出项作为下一个RBM的可见层输入项,提升DBN整体数据训练能力;基于PSO仿生算法改善初始状态下DBN权值的分布状态,并优选出最佳的学习因子、惯性权重等核心参数,实现算法在全局范围内的寻优,同时提高网络模型整体的数据训练能力和收敛速度。实验结果显示,提出算法在不同的不平衡比例下分类精度均具有较为明显的优势,同时分类效率加速比值被控制在1.05以下。

摘要：研究离散化方案中断点数、粒度熵与分类精度之间的关系,证明了粒度熵随着断点数的增加而下降。设计了一种混合型的数值离散化算法来提供多种相容离散决策表。实验发现:粒度熵和分类精度之间的相关程度有时高于断点数和分类精度之间的相关程度。

摘要：水稻作为一种高耗水的作物,其种植面积直接影响到灌区的耗水总量.快速调查灌区水稻种植面积,对于支撑黄河流域深度节水控水行动具有重要意义.高分六号(GF6)是我国首颗可用于精准农业的卫星,为研究其WFV数据红边波段及其衍生的红边植被指数数据在水稻种植面积分类中的作用,以宁夏灵武灌区为研究区,通过分析2020年5月31日水体指数、10月31日植被指数、8月31日植被指数、红边植被指数及其波段信息,设计6种不同组合方案,采用随机森林算法分类提取了水稻、其他作物(玉米、大豆、蔬菜等)、水域及裸地等信息.并基于现地水稻调查数据、米级高分辨数据,对6种方案的水稻分类精度、样本可分离度进行了计算评价.结果表明,高分六号WFV数据红边波段、红边植被指数的参与,能增加水稻与其他作物的可分离度,并能在一定程度上提高水稻提取精度,其中B5红边波段、B5红边植被指数对区分水稻与其他作物的作用更强.

摘要：面对日益丰富的机载、星载高光谱传感器,及其相伴增多的高光谱数据,产生的数据量过大、波段冗余等问题一直是高光谱图像处理、解译的重难点。同时,利用高光谱遥感技术揭露伪装目标,也一直是现代遥感应用技术研究要点。在探测得到海量的地物光谱数据、具有冗余的光谱信息,设计恰当的数据降维技术具有至关重要的作用。降维处理的主要方法中的波段选择方法,其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维,还能在其基础上对伪装目标及其背景实现精确区分,是当今利用高光谱技术进行军事应用的重要技术手段,同时也是国内外众多学者的研究热点。利用各类指标计算波段间的不同表现,并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式,但是面向特殊地物,如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。研究选取绿色钢板、绿色伪装网、绿色假草皮,置于含有绿色健康植被、湿润裸地、干燥裸地的背景环境中,通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。首先通过分析光谱曲线,选取显著特征波段;其次结合根据波段间相关系数划分的子空间进行波段筛选;然后依据地物目标的图像亮度建立视觉模型,最终得到具有相对独立性和最佳可识别度的波段选择集合。并在支持向量机分类器和马氏距离分类器中同两种常用算法选择波段结果与全波段组合进行分类实验对比,实验发现所提出方法的波段选择结果相对于常用算法和全波段组合,分类精度和速度均有所提高。其中,相较于应用全波段进行分类,在两类分类器的分类结果,总体分类精度分别提高4.559 2%和2.364 8%, Kappa系数分别提高0.059 4和0.031 2,分类时间减少6.83 s。实验证明该方法能有效在植被伪装目标和背景地物之间做出高效分类,具有较大实际应用价值。

摘要：针对自动化机床在线故障监测存在的问题,设计一种基于线性可分SVM的故障监测系统。在线监测系统的硬件结构由STM32F103ZET6型单片机、传感器模块、存储器模块、通信模块和显示模块等部分组成;在软件算法流程上,利用线性可分SVM分类器,可以确保数据集到最优超平面的几何间隔最大,同时提升距离最优超平面最近数据点的可信度及对故障样本的分类精度。测试结果显示:设计的系统数据训练收敛速度快,故障数据分类精度高,相对于传统监测系统具有性能上的优势。

摘要：高分辨率卫星高光谱影像在道路精细分类与提取方面具有广阔的前景,但目前星载高光谱道路提取所需谱段、光谱分辨率等核心指标尚不明确。文章在构造高光谱影像道路提取的随机森林方法的基础上,利用模拟数据和实验,比较了可见光近红外通道和短波红外通道,以及不同光谱分辨率条件下道路提取的精度。结果表明:利用可见光近红外或短波红外数据均能很好地实现机场跑道、水泥路、沥青道路、土路的准确分类,分类精度随光谱分辨率减小而提高。其中,高光谱影像在提取机场道路和水泥路方面精度高、优势明显。文章相关结论可为高分辨率高光谱卫星总体设计和道路提取处理算法提供参考。

摘要：为解决传统核极限学习机算法参数优化困难的问题,提高分类准确度,提出一种改进贝叶斯优化的核极限学习机算法。用樽海鞘群设计贝叶斯优化框架中获取函数的下置信界策略,提高算法的局部搜索能力和寻优能力;用这种改进的贝叶斯优化算法对核极限学习机的参数进行寻优,用最优参数构造核极限学习机分类器。在UCI真实数据集上进行仿真实验,实验结果表明,相比传统贝叶斯优化算法,所提算法能提升核极限学习机的分类精度,相较其它优化算法,所提算法可行有效。

摘要：为了提高齿轮泵行星轮的典型故障诊断精度,提出了一种基于经验模态分解(ensemble empirical mode decomposition,EEMD)和双向长短时记忆网络(bi-directionallong short-time memory,BLSTM)的行星齿轮泵故障诊断方法。总共设置四种行星齿轮故障类型,综合验证检测性能。通过EEMD方法完成信号分解,获得本征模态函数(intrinsic mode function,IMF)分量,对网络实施训练来提升故障类型的分辨精度,并深入分析了各项网络参数。研究结果表明:本网络损失小于1%,可以推断该网络满足良好稳定性。可以实现精确识别齿面磨损和缺齿的问题,断齿、正常齿的轮识别率都达到了93%以上,齿根裂纹故障达到了87.2%。经过EEMD处理的网络发生了稳定性与精度的显著提升。到达后期迭代阶段时,BLSTM网络拟合速度开始变快,精度也获得提升。通过训练精度和耗时优化得到:节点数100和三层网络条件下是最优的。该研究对提高机械传动设备的故障识别能力具有一定的理论指导意义。

摘要：分析数值决策表离散化方案的度量指标,包括断点数、条件信息熵、粒度熵、类-属性互信息、类-属性互相依赖冗余等.认为相容决策表的条件信息熵和类-属性互信息都是常数,对离散化方案不再有指导作用.讨论粒度熵与互相依赖冗余的关系,证明粒度熵随断点的加入而增加.设计实验度量这些指标之间的关系,实验发现,断点数和粒度熵与预测精度之间的相关程度不相上下,和具体的数据集有关.

摘要：为了提高电梯牵引机齿轮泵的典型故障诊断精度,提出一种基于经验模态分解(EEMD)和双向长短时记忆网络(BLSTM)的行星齿轮泵故障诊断方法。总共设置4种行星齿轮故障类型,综合验证检测性能。通过EEMD方法完成信号分解,对网络实施训练来提升故障类型的分辨精度。研究结果表明:本故障诊断网络模型损失<1%,具有良好稳定性。断齿、正常齿的轮识别率都达到了93%以上,齿根裂纹故障识别率达到了87.2%,可以实现精确识别齿面故障。经过EEMD处理的网络稳定性与精度显著提升。到达后期迭代阶段时,BLSTM网络拟合速度开始变快,精度也获得提升。