基于LS-SVM的木材表面缺陷网格化检测

针对图像分割的复杂性和局限性,作者提出一种基于最小二乘支持向量机(LS-SVM)的木材表面缺陷网格化检测方法。首先将木材表面图像划分成互不重叠的矩形块,然后依次计算每个矩形块图像的特征向量,用于描述各个矩形块图像,其特征向量由颜色特征和纹理特征等参数共同组成。最后将特征向量归一化后送入LS-SVM分类器,利用特征向量的相似度来进行缺陷的定位和识别。实验结果表明,该方法可有效进行木材表面缺陷检测,检测准确率超过93%。     

基于高光谱的云南胶园土壤全氮含量反演

以在云南西双版纳橡胶园采集的225个土壤样本为研究对象,进行风干土壤样品光谱数据采集和全氮含量测定,对土壤反射率（R）进行重采样（5 nm）后进行倒数的对数（log(1/R)）、多元散射校正（MSC）、标准正态交换（SNV）的光谱变换处理和SG平滑或导数变换模式优选获取最佳光谱数据,采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）和CARS-SPA算法对土壤全氮光谱特征波段进行选择,并分别应用偏最小二乘法（PLS）和支持向量机（SVM）构建胶园土壤全氮估算模型。结果表明,研究区内土壤全氮含量与光谱反射率呈负相关,基于光谱变换和预处理,log(1/R)结合SG导数变换是最佳的土壤全氮反演光谱变换模式,其中,导数阶数为1,SG滤波窗口为43,多项式次数为9。综合比较各变量筛选与建模组合发现,用CARS方法从全波段中筛选出的特征波长建立的SVM模型（R2=0.816,RMSE=0.201,RPD=2.266）效果最好,用于估测研究区土壤全氮含量具有良好的可行性,可为开展云南胶园土壤全氮高效测试和实施橡胶树精准施肥提供技术支持。     

马尾松毛虫期距预测预报、回归预测预报研究

根据上杭县4个乡镇1992~2006年连续15 a间马尾松毛虫发生期观察调查的历史资料进行统计和分析,计算松毛虫发生期各阶段平均期距和估计区间,作为今后同期预测松毛虫发生期的期距值;将松毛虫发生期与历史同期气温建立回归方程,建立了龙岩市松毛虫回归预测数学模型,经检验证明结果准确,为生产提供参考和借鉴。     

南四湖生态系统健康评价研究

对南四湖生态状况进行了调研,确立了南四湖的生态系统健康评价指标体系,并利用支持向量机在处理分类问题方面的优势,构建了基于支持向量机的湖泊生态系统健康评价模型,并选取了2008年南四湖的水质和生物群落数据进行评价,结果表明南四湖处于一般病态状态。     

费氏人口预测模型的求解及应用研究

人口预测是制定区域规划的基础，也是研究人口的增长对区域复合生态经济系统的影响和作用的前提。本文应用费尔哈斯模型建立区域人口预测模型，提出了求解费氏模型参数的三种方法，重点论述了最小二乘法及其应用。通过比较研究，本文提出的求解费氏模型参数的最小二乘法具有实际应用意义。     

度量误差对全林整体模型的影响研究

唐守正(1991)提出的全林整体模型,是一项将生长收获模型作为系统来进行研究的重要成果,在此基础上展开了一系列的应用研究。李希菲(1991)年建立了大青山主要树种的全林整体模型并进行了精度验证,洪玲霞(1993)给出了由全林整体生长模型推导林分密度控制图的方法,唐守正等(1995)对用全林整体模型计算林分纯生长量的方法及精度分析进行了研究。建立全林整体模型时,首先对林分每公顷株数、平均直径、林分优势高、林分平均高和形高5个因子进行观测,然后利用最小二乘法,由自稀疏方程估计出自稀疏指数γ、自稀疏率β、完满立木度林分的密度指数Sf[…     

利用RS和GIS的森林蓄积量偏最小二乘估测研究

在运用RS、GIS可提取的因子为自变量的森林蓄积量遥感估测中 ,本文提出运用偏最小二乘 (PLS)估计的数学模型。它能使蓄积量估测模型的稳健性增强 ,能够很好地克服传统的基于最小二乘 (OLS)估计建立起来的模型无法真正克服样地少、各自变量之间相关性强及对蓄积量的解释性不强等问题 ,并应用于福建漳浦地区。结果表明 :该方法有较高的预报精度 ,同时可大大降低成本。     

基于遥感的林芝地区森林植被分布研究

目的:探索森林植被分布信息提取的有效方法,提高分类精度,为森林经营管理决策提供可靠的信息支撑。方法:以西藏林芝地区为研究区,2015年生长季的Landsat8OLI遥感影像为主要数据源,结合DEM数据,二类调查数据和外业实测样地数据,利用支持向量机(SVM)分类技术,提取林芝地区森林植被类型、面积及空间分布特征。结果:林芝地区森林总面积为217.05万hm~2,森林植被类型主要有冷杉林、云杉林、云南松林等11类,分类总精度为78.2%。其中冷杉林面积占总体面积的44.7%,分类精度为85.4%;云杉面积约占6.3%,分类精度为82.6%;高山松林约占总面积的12.5%,分类精度为88.3%;云南松林占15%,分类精度为85.6%;桦类约占3.4%,分类精度为69.8%;柏木约占总面积的1.9%,精度为73.2%;栎类占4.7%,分类精度为67.2%;墨脱青冈+刺栲约占总面积的0.05%,精度为59.8%;中平树+大果榕占0.4%,分类精度为74.9%;高山松和阔叶混交林约占4.2%,分类精度为78.3%;其他硬阔类占总面积的16%,分类精度为94.6%。     

基于ICEEMDAN与SVM的轴承故障诊断研究

为了有效提高支持向量机(SVM)在轴承故障模型诊断识别中的故障识别率,提出了一种基于改进自适应白噪声的完备集成经验模态分解方法(ICEEMDAN)和支持向量机(SVM)相互结合的故障诊断识别方法。用ICEEMDAN对原始振动信号分解成若干IMFS(本征模态函数);利用相关系数方法选取有效性的IMFS进行信号重构,再把重构信号的特征向量输入SVM进行故障识别;利用美国凯斯西储大学的轴承实验数据验证了该模型的诊断有效性。结果表明：该方法能够有效提高滚动轴承故障诊断准确率。     

绥芬河斜拉桥施工误差调整的研究

利用最小二乘法进行绥芬河斜拉桥施工参数识别和误差调整,并通过工程实例验证了其在斜拉桥悬臂施工过程中的有效性。     

基于SVM的木材干燥过程含水率软测量研究

介绍木材干燥过程含水率主要测量方法,以及支持向量机回归原理。针对干燥过程木材含水率测量存在的问题,提出采用基于支持向量机的软测量方法测量干燥过程的木材含水率。通过对柞木试材干燥数据的仿真实验,结果表明支持向量机软测量模型具有良好的泛化性,能够准确预测干燥过程的木材含水率。     

基于混合量测的电力系统状态估计研究

基于PMU量测装置的广域测量系统(WAMS)与基于SCADA量测装置的现代能量管理系统(EMS)相互独立,但在工程实际应用中可以把WAMS系统数据传送到EMS系统数据库中.通过在IEEE-14系统上的仿真对比实验表明,在状态估计中结合使用两个系统的数据,能够有效提高状态估计的准确度,从而保证电网运行的经济性.     

非线性算法在近红外预测木材密度中的应用研究

研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。     

基于支持向量机的宜良县遥感分类与土地覆盖变化研究

土地利用/覆盖变化(LUCC)研究是研究土地变化的重要内容,也是全球土地研究的热点。以宜良县2005年、2013年Landsat TM影像为数据源,采用支持向量机分类方法,将研究区土地划分为林地、耕地、水域、人工用地、灌草地5个地类,提取了宜良县2期的土地利用数据并进行了精度验证。最后通过GIS叠加分析,统计了宜良县在研究期内的土地利用变化情况。     

二元材积方程参数优化的研究

本文以38株杉木的样木资料,从材积残差平方和最小出发,分别用单纯形法和加权最小二乘法对二元材积方程的参数优化问题进行了分析研究。结果表明:这二种方法均能有效地降低材积残差平方和,优化其参数值,是提高二元材积表精度的有效途径之一。     

基于高分二号多光谱数据的树种识别方法

树种识别一直是困扰遥感研究的一个难点,而国产高分二号识别地物和树种具有巨大潜力。选取四川省甘孜州道孚县为研究区,利用高分二号4m多光谱遥感影像,并结合该县的森林资源二类调查结果数据,分别采用最大似然法和支持向量机方法,对利用高分二号数据在树种识别应用中的可能性进行探讨。研究结果表明:所采用的两种方法识别出研究区域主要树种的精度都高于80%,其中:采用最大似然法分类精度为81.79%,支持向量机方法分类精度为86.75%。在先验知识的支持下,利用高分二号多光谱影像也可用于树种识别研究中。     

基于ALOS遥感影像植被分类方法的比较研究

以云南省宜良县ALOS影像为基础数据,利用最大似然法、支持向量机方法和面向对象的支持向量机方法对ALOS影像进行植被分类研究。实验结果:最大似然法分类精度为79.33%,支持向量机方法分类精度为82.25%,面向对象的支持向量机分类方法精度为86.13%,面向对象的支持向量机分类方法取得较好的分类效果。研究结果可为中高分辨率遥感影像分类研究提供参考。     

近红外光谱法测定毛竹综纤维素的含量研究

研究了用近红外光谱(NIR)结合多变量统计分析技术对毛竹综纤维素含量的快速测定。用常规实验室方法测定了54个竹材样品的综纤维素含量,用近红外光谱仪采集相应样品的光谱,对原始光谱进行二阶导数和25点平滑预处理后,从54个竹材样品中挑选41个代表性的样品建模,选择1011~1675nm和1930~2488nm波段区间,用偏最小二乘法(PLS1)和完全交互验证方式建立毛竹综纤维素含量的预测模型。结果表明,毛竹综纤维素含量和近红外光谱之间存在非常好的相关性,预测模型的相关系数(RP)为0.95,预测模型的标准偏差(SEP)为0.76%。     

无患子果皮皂苷含量近红外光谱检测研究

为建立无患子(Sapindus mukorossi Gaertn.)果皮皂苷含量的快速检测模型,结合高效液相色谱法(HPLC),对采自浙江省天台县145份无患子果皮的皂苷含量进行检测。并依据近红外吸收光谱与HPLC测定数据的相关性,建立2个果皮皂苷含量估测模型,并对模型的准确性进行预测和评价。结果表明:A组(完整果皮)和B组(粉末状果皮)光谱数据分别基于"SNV+1stderivative"和"MSC+1st derivative"预处理法并利用PLS构建的光谱模型表现最佳,模型可靠性最强,预测精度最高,其中B组光谱数据建立的模型预测效果明显优于A组。基于A组和B组建立的模型与HPLC法的测量结果相关系数分别为0.654和0.993,预测标准偏差分别为0.982和0.294。以B组样品建立的模型基本可以代替HPLC法使用,而以A组样品建立的模型可用于测定精度要求不高、比较珍贵或样品量较少的样品。     

基于NIR-PLS的土壤碳含量预测模型研究

以东北小兴安岭林区带岭林业局东方红林场的土壤为研究对象,对120个土壤样品近红外光谱做去噪、Savitzky-Golay平滑和多元散射校正预处理,利用偏最小二乘（PLS）法建立关于土壤碳含量和吸光度之间的定量分析模型,并进行模型校、验证及部分预测集样品碳含量预测.结果表明：主成分数为4时,模型最优.校正模型的决定系数R2和均方根误差（RMSE）分别为0.784和5.752;验证模型的决定系数R2和均方根误差（RMSE）分别为0.621和7.521,预测集样品的实测值和预测值的决定系数R2达到0.735,均方根误差RMSE为7.202,预测标准差SEP为10.356.应用近红外技术可以实现对小兴安岭次生林土壤碳含量的有效预测,为大面积快速测定土壤碳含量提供理论依据与技术支撑,进而为林分土壤碳循环的相关研究提供新的思路.