共查询到20条相似文献,搜索用时 354 毫秒
1.
基于主成分分析方法,对吉林省长白山科学院实验基地的4种林型杂木林、白桦林、红松阔叶林和长白落叶松林进行数量分类研究。通过选取并测量9种分类指标,对不同林型样地的指标数据进行主成分分析,计算得出林型综合分类指标的数值范围,从而建立起方便快捷的林型数量分类方法。研究表明:所选取的9种分类指标,多数指标之间的相关性显著,相关系数矩阵中绝对值大于0.3的系数(P0.01)占66.67%;通过主成分分析的降维处理,提取出3个主成分因子,进而得出长白山科学院实验基地林型综合分类指标的数值范围为:杂木林[-1.456,-1.128]、白桦林[0.303,0.796]、红松阔叶林[1.286,1.745]、长白落叶松林[-0.256,0.156];对该林型数量分类方法进行可行性验证,准确度达90%。 相似文献
2.
3.
传统PPI算法采用最大噪声分离(MNF)方法进行降维,MNF变换中均设定数据之间线性相关,在某些情况下会使变换后的结果具有某些人为特征,在降维过程中会丢失信号较弱的信息,导致端元数量少;分段主成分分析(SPCA)降维方法具有不改变图像的物理意义,且信息保存较完整的优势。该研究采用不同降维方法利用纯净像元指数法(PPI)对不同下垫面地表提取端元,结果表明,在地表破碎区域SPCA降维后可找出信号较弱的端元提取的端元数量多与MNF降维提取的端元数,而地物聚集区MNF降维方法提取的端元质量更好。研究结果可以为不同下垫面的高光谱影像端元提取以及降维方法的选择提供参考。 相似文献
4.
5.
6.
根据红松子品质检测方面技术缺失的现状,提出了运用近红外技术建立松子光-化学模型的解决办法;在对比流形学习有效保留高维数据的低维特征的优势和近红外传统降维方法主成分分析对非线性结构不敏感问题后,提出了具有能够捕捉高维空间中低维流形功能的局部线性嵌入-高斯过程(LLE-GP)方法,用于解决传统线性主成分分析(PCA)方法可能损失有用信息的缺陷;使用变量标准化(SNV)与Savitzky-Golay平滑方法进行预处理后,使用局部线性嵌入-高斯过程方法对数据进行分类建模。运用近红外光谱仪采集的松子数据,对这一算法进行验证,结果表明:局部线性嵌入-高斯过程分类模型,可以良好的使用在品质检测分类建模中。 相似文献
7.
8.
9.
10.
湖北毛竹适宜气候区分区研究 总被引:1,自引:0,他引:1
选择16个与毛竹生长、分布有关的气候因子对湖北省76县(市)进行主成分分析,结果表明:前4个主成分的累计贡献率达83.25%.以其中的年降水量、年积温、年蒸发量、7月温度、4-10月降水量、年均温度、1月温度、纬度8个因子为主导因子,构建各样品(县市)的得分方程,绘制散点图.根据散点的群聚性,结合毛竹在湖北省的生长分布现状以及与行政区划的一致性,按照毛竹水平区划的全国标准,通过R型最短距离聚类法将湖北省分为:毛竹最适宜区Ⅰ、毛竹适宜区Ⅱ、毛竹较适宜区Ⅲ、毛竹零星分布区Ⅳ、高山毛竹引种区Ⅴ. 相似文献
11.
高光谱图像分类可分为监督分类与非监督分类,聚类分析进行非监督分类是一种现今比较受研究者广泛关注的技术.粒子群算法具有自适应、自组织性、可同时进行局部和全局搜索等特点;蚁群算法通过智能个体间不断进行信息交流和传递,具有较强的发现最优解的能力.提出一种基于改进的粒子群和蚁群算法的高光谱图像聚类方法,设计其模型并将其应用在森林类型分类问题上,提高分类精度,减少人工干预.以吉林省汪清林业局为研究区,通过修改粒子群的惯性系数,得出最优解集,然后利用蚁群寻优的过程对阔叶林、针叶林、混交林、水体进行聚类分析,区分精度达到85%证明,该方法能较好地识别森林类型. 相似文献
12.
[目的]分析基于最小编码长度的基因数据聚类算法的聚类效果,以期为基因数据聚类提供新的方法。[方法]将基因数据的聚类看成是高维混合数据的聚类,通过对基因数据进行预处理后,再利用主成分分析将基因数据降维,降维后基因数据呈类高斯分布,这样分布的基因数据能够被一个简单的基于有损数据压缩的聚类算法进行有效的聚类,而该基于有损数据压缩的聚类算法是根据聚类后使基因的总体编码长度最小原则对基因进行聚类的。试验中分别利用该新算法与传统聚类算法对酵母和拟南芥基因数据进行聚类,并通过基因聚类内部评价和功能评价来验证该新算法的有效性。[结果]通过利用酵母和拟南芥基因数据对新算法的验证试验表明,该研究中的新算法得到的聚类效果优于传统聚类算法,且避免了聚类数需要主观确定和对初始聚类中心敏感等问题。[结论]该研究结果为基因数据聚类提供了一种全新的聚类方法。 相似文献
13.
[目的]分析基于最小编码长度的基因数据聚类算法的聚类效果,以期为基因数据聚类提供新的方法。[方法]将基因数据的聚类看成是高维混合数据的聚类,通过对基因数据进行预处理后,再利用主成分分析将基因数据降维,降维后基因数据呈类高斯分布,这样分布的基因数据能够被一个简单的基于有损数据压缩的聚类算法进行有效的聚类,而该基于有损数据压缩的聚类算法是根据聚类后使基因的总体编码长度最小原则对基因进行聚类的。试验中分别利用该新算法与传统聚类算法对酵母和拟南芥基因数据进行聚类,并通过基因聚类内部评价和功能评价来验证该新算法的有效性。[结果]通过利用酵母和拟南芥基因数据对新算法的验证试验表明,该研究中的新算法得到的聚类效果优于传统聚类算法,且避免了聚类数需要主观确定和对初始聚类中心敏感等问题。[结论]该研究结果为基因数据聚类提供了一种全新的聚类方法。 相似文献
14.
加权空间模糊动态聚类算法在土壤肥力评价中的应用 总被引:7,自引:0,他引:7
【目的】改进和提高空间模糊聚类算法。【方法】首先利用层次分析法得到各属性的权值,然后将权值与空间模糊动态聚类法相结合,最后利用概率统计中的F分布来确定最佳分类,以提高空间模糊聚类算法的智能性。【结果】加权空间模糊动态聚类算法与基于模糊等价关系的传递闭包方法进行比较表明,当λ取0.993时,F值最大,分类效果最好。此时,加权的F值为4.898,未加权的F值为2.957,说明加权的类间的差距比未加权的明显,即该算法聚类准确率要明显高于未加权的模糊聚类算法。【结论】将其改进的算法运用到精准农业的土壤肥力评价中,试验结果与实际情况相符,证明了该算法的有效性。 相似文献
15.
针对支撑向量机(Support vector machine,SVM)在大规模数据的问题,提出了一种基于模糊c-均值聚类样本选择策略的SVC(SVM for classification)迭代训练算法,从样本抽取、迭代训练两个方面进行了改进,并在多个较大规模UCI标准测试集上进行了试验.结果表明,所提出的迭代训练算法收敛快,在保证学习精度的同时使训练速度加倍、支撑向量减少一半. 相似文献
16.
针对烟草化学成分与烟草品质之间难以建立确定的数学模型的问题,提出了一种基于改进模糊聚类的烟草品质评价方法。该方法以烟叶样品的化学成分的差异性为依据,以模型分类结果与专家评吸结果的一致性为目标,利用模拟退火算法对现有的模糊聚类算法进行优化改进,建立基分类器;在此基础上,利用Ada Boost将基分类器对于不同样本集的多个分类结果进行集成,形成最终的烟草品质评价模型。以130组烟叶作为烟草样本,测定了各烟叶样品中总糖、还原糖、总氮、烟碱、氧化钾、氯离子、蛋白质7种化学成分含量,并采用改进的模糊聚类方法与神经网络算法、模糊聚类算法进行对比试验,该方法的误检率为6.7%,具有提升小样本数据的辨识能力,优于所比较的其他2种方法。 相似文献
17.
【目的】准确获取红富士苹果的分级指标,为实现多特征融合的苹果分级提供依据。【方法】以均值滤波、全局亮度均衡化与图像裁剪方法,预处理实验所需的苹果图像;使用K-means聚类算法、OTSU最大类间方差法,将苹果灰度图转换为二值图;利用二值图与苹果原图的异或运算,提取苹果轮廓;采用苹果的二值图计算苹果的果实区域大小;使用颜色空间转换RGB-HSV中H通道划分果实红色区域;通过构建掩膜、形态学操作判断果体是否含有缺陷及计算其面积;构建最小外接矩形计算苹果的果径及果形;利用KNN分类算法实现多特征融合的苹果在线自动分级。【结果】基于K-means聚类与KNN分类相结合的苹果在线分级方法,在优于传统图像阈值分割效果的基础上,特级果分级准确率为97.14%,一级果分级准确率为100%,二级果分级准确率为93.75%,等外果分级准确率为100%,综合分级准确率达到97%。【结论】100个苹果测试准确率达到97%,验证了该分级方法的可行性与准确性。 相似文献
18.
以福建省37种针阔树种的10个防火性能指标为数据来源,运用粒子群聚类算法将树种分成6类.结果表明:分类达到了较理想的效果,总体符合生产实际情况.与蚁群聚类算法比较,粒子群聚类算法应用于防火树种分析能够获取较优的适应值聚类、较大的类间距离和较小的类内距离.粒子群聚类算法便于应用,可为林业科学中相关研究提供一种新手段. 相似文献
19.
作物生产辅助决策专家系统模型研究 总被引:5,自引:3,他引:2
在综合运用分类分析和聚类分析等数据挖掘方法的基础上,提出一种智能农业专家系统构建模式,并给出了一种领域内数据筛选算法,以提高知识获取的自动化程度,探索部分解决基于规则推理的传统农业专家系统中知识获取的瓶颈问题。 相似文献
20.
时间序列影像能够反映植被的物候信息,有助于大幅度提高植被聚类精度,尤其对于单时相影像上生长特性相似的树种效果尤其明显。动态时间规整算法(DTW)能够解决不等长时间序列的匹配问题,且能够抵抗噪声造成的时间序列中出现的异常值,从而取得更好的相似特征匹配效果。基于6时间序列GF-1影像数据,分别采用DTW和欧式距离(ED)进行时间序列的相似性度量,然后将DTW距离和ED距离运用到K-Means算法中,完成对图像树种的聚类。结果表明:基于DTW-K Means的时间序列遥感影像分类方法能够适用于树种分类,总精度为92.21%,Kappa系数为0.90,均高于ED-K Means方法。 相似文献