基于距离相关系数和KNN回归模型的森林蓄积量估测研究

【目的】探究Landsat8 OLI数据和KNN算法在森林蓄积量估测中的潜力。【方法】以湖南省湘潭县为研究区,采用Landsat8 OLI数据和同时期的二类调查数据,通过距离相关系数筛选特征,分别采用线性回归模型(MLR)、K-近邻模型(KNN)、距离加权KNN模型(DW-KNN)和优化欧式KNN模型(FW-KNN)对森林蓄积量进行估测。使用十折交叉方法进行精度检验,对检验结果进行对比分析。【结果】3种KNN模型的估测结果均高于传统的线性模型,并且在3种KNN模型中,FW-KNN算法效果最好,决定系数达到0.69,为3种模型中最高;3种KNN模型中,本研究优化欧氏距离KNN模型的估测精度最高,其均方根误差为30.3%,相比于传统KNN模型的均方根误差降低了5.1%,相比于DW-KNN模型降低了3.3%。【结论】采用DW-KNN蓄积量估测结果明显优于其他两种模型,说明通过特征与蓄积量的相关性优化样本间的距离是一种可行的KNN优化方法。     

基于KNN方法的大兴安岭地区森林地上碳储量遥感估算

【目的】采用 KNN方法进行碳储量估测,并对估测后的数据进行各种校正处理,绘制森林地上碳储量的空间分布图,为我国森林碳储量和固碳潜力的研究提供基础数据和科学依据。【方法】以黑龙江省大兴安岭为研究区(50°05'—53°33'N,121°11'—127°01'E),基于2010年森林资源连续清查固定样地和同年 Landsat5 TM 影像数据,利用 k－邻近法( KNN)在像素级水平上对森林地上碳储量进行估算。采用多准则方法分东、南、北和中4个区域对样地坐标和其对应的影像光谱值进行坐标重配准,并根据实测样地数据对坐标重配置前后不同林分类型地上碳储量估测精度进行评价;针对 KNN方法像素级估测结果存在明显的高值区域低估和低值区域高估现象,应用直方图匹配方法对估测结果进行变动范围调整;并根据样地实测碳储量和 KNN 估测值间的回归关系对调整后的结果分区域进行进一步匹配校正后处理,绘制森林碳储量的空间分布图。【结果】总体来说,本研究区域像元尺度KNN估测的欧式距离优于马氏距离,均方根误差随着最邻近值 k的增大而降低,当 k大于6时变化缓慢,并逐渐趋于稳定;坐标误差校正后,各林分类型森林地上碳储量的估测精度均显著提高,平均均方根误差由17.23降低到14.3 t·hm －2;直方图匹配后,各区域样地点高值区域低估和低值区域高估现象均有很大程度改善,实测值和估测值间的相关关系明显增强,然而高值地区(碳储量大于20 t·hm －2)出现过高估计现象;经匹配校正后处理的均值、标准差、直方图和累积频率分布图更接近样地实测值,均方根误差也明显降低,高值地区过高估计现象得到很好校正。【结论】森林资源清查数据、遥感数据及 KNN方法相结合逐渐成为区域尺度森林参数空间连续估测的重要手段。同利用光谱值和森林参数建立的回归模型相比,KNN方法能够更多地考虑到森林参数同光谱值之间的非线性依赖关系;但 KNN估测方法除了受距离度量标准、最邻近值 k的大小以及影像波段的选取等因素影响外,还存在如样地坐标和对应的影像光谱值匹配误差、像素级估测结果多呈明显集中分布趋势等问题,使得该方法的应用受到一定限制。本文的研究表明,对这些因素进行合理的校正,将更有利于区域尺度森林参数的精确估计和反演。     

一种改进的基因表达数据分类方法

从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余．实验结果表明,新方法可有效提高分类准确率和特征选取的效率．     

草面温度在霜预报中的应用

为了避免农作物遇霜后遭受冻害,本研究采用草面温度对霜进行预测。利用连云港气象观测站2014—2016年逐时气象要素,包括气温、0 cm地温、露点温度、水汽压、气压以及2 min平均风速等气象要素作为影响连云港地区草面温度的关键因子,并以这6个要素作为属性特征,以草温作为标志量构建训练样本集,结合KNN数据挖掘算法构建草温预测模型,并根据草温判别是否有霜出现。结果表明：基于该算法构建的草温预测模型效果较好,预报平均误差1.2℃;根据草温预测霜的准确率高达90.2%,尤其对初终霜的预报具有很好的指示意义。因此,引入草温作为霜的预报指标,对于避免农作物遭受霜害具有十分重要的意义。     

Comparison of Supervised Clustering Methods for the Analysis of DNA Microarray Expression Data

Several typical supervised clustering methods such as Gaussian mixture model-based supervised clustering （GMM）, k- nearest-neighbor （KNN）, binary support vector machines （SVMs） and multiclass support vector machines （MC-SVMs） were employed to classify the computer simulation data and two real microarray expression datasets. False positive, false negative, true positive, true negative, clustering accuracy and Matthews＇ correlation coefficient （MCC） were compared among these methods. The results are as follows： （1） In classifying thousands of gene expression data, the performances of two GMM methods have the maximal clustering accuracy and the least overall FP＋FN error numbers on the basis of the assumption that the whole set of microarray data are a finite mixture of multivariate Gaussian distributions. Furthermore, when the number of training sample is very small, the clustering accuracy of GMM-Ⅱ method has superiority over GMM- Ⅰ method. （2） In general, the superior classification performance of the MC-SVMs are more robust and more practical, which are less sensitive to the curse of dimensionality, and not only next to GMM method in clustering accuracy to thousands of gene expression data, but also more robust to a small number of high-dimensional gene expression samples than other techniques. （3） Of the MC-SVMs, OVO and DAGSVM perform better on the large sample sizes, whereas five MC-SVMs methods have very similar performance on moderate sample sizes. In other cases, OVR, WW and CS yield better results when sample sizes are small. So, it is recommended that at least two candidate methods, choosing on the basis of the real data features and experimental conditions, should be performed and compared to obtain better clustering result.     

基于SPME-GC-MS和电子鼻的鱼粉挥发性物质分析

为了能够全面、快速分析鱼粉的新鲜度,将电子鼻与顶空固相微萃取气质联用技术结合,以挥发性物质含量辅助评价鱼粉的新鲜度。首先,采用顶空固相微萃取方法对18种储藏时间鱼粉的挥发性物质进行了分析,得到不同储藏时间鱼粉的挥发性物质种类和含量,以及挥发性物质变化规律;采用多元线性回归方法和最近邻回归方法对鱼粉各类挥发性物质和表征新鲜度的标记物与电子鼻传感器响应建立了模型。结果表明:顶空固相微萃取气质联用(Solid phase microextraction-gas chromatography-mass spectrometry,SPME-GC-MS)共鉴定出101种,主要包括醇类化合物、醛类化合物等11类挥发性物质,其中醛酮类化合物种类较多。随着鱼粉逐渐腐败,气味阈值较低的醛类化合物相对含量逐渐降低、酮类化合物相对含量逐渐升高,并出现了二甲基三硫、三甲胺等表征鱼粉新鲜度的标记物;在储藏过程中,醇类化合物相对含量呈先上升后下降趋势;酸类化合物、含氮化合物、含硫化合物相对含量则呈上升趋势。与多元线性回归方法相比,最近邻回归方法具有更好的预测能力,测试集相关系数在0.763 3～0.999 9之间,均方根误差在0.086 7%～8.465 5%之间。     

SVR-KNN法用于除草剂QSAR研究

[目的]探索一种有效的组合预测方法,用于定量构效关系(QSAR)的研究分析。[方法]提出一种基于支持向量机回归(SVR)与K-最近邻法(KNN)的组合预测方法:以均方误差(MSE)最小为择优准则,对SVR实施核函数寻优;基于最优核函数以SVR进行描述符筛选并得到保留描述符;以"多轮末尾强制淘汰法"阐述各保留描述符对预测精度影响的程度;基于保留描述符,以不同KNN预测值反映样本集异质性并构建子模型,最后基于SVR以留一法实施组合预测。运用该组合预测方法研究磺酰脲和三唑并嘧啶磺酰胺类除草剂QSAR建模。[结果]建模结果表明,基于SVR与KNN的组合预测方法在参比模型中预测精度最高,具有结构风险最小、非线性、能有效克服过拟合、泛化推广能力优异等优点。[结论]基于SVR与KNN的组合预测具有许多优点,在QSAR研究中应用前景广泛。     

基于叶片数字纹理特征自动识别胡颓子属植物

为了探索胡颓子属植物叶片的数字纹理特征变异规律,对苏、浙、皖地区常见的8种胡颓子属植物,提取了基于灰度共生矩阵的叶片纹理参数,分析了叶片纹理参数的种内、种间变异规律,并构建KNN分类模型。结果表明:同种不同地理来源的标本间全部纹理参数是极显著差异,不同种之间仅某一纹理参数有显著差异;随机取132个样本作为训练集,35个作为测试集,构建KNN分类模型,K=6时,正确识别率达到了93.75%。对于特定分布区内的几个胡颓子属植物,叶片数字纹理具有分类识别意义,可用于构建分类模型。     

一种文本多级分类方法研究

针对目前基于规则和基于统计的文本分类方法存在的不足,提出了一种新颖的基于规则和K-近邻分类相融合的文本分类方法。首先,对描述文本特征的传统向量空间模型进行了扩充,给出了具体的扩展模型。然后,基于扩展模型提出了一种规则的表示方法,并为每一条规则赋予了一个强弱系数,根据这个系数可以对识别的文本按级别排序。最后,通过设定一个阀值,将级别低于阀值的文本过滤掉。该方法可有效地排除被K-近邻分类误识别的那些文本,从而在一定程度上提高了分类的正确率。通过小数据集测试实验结果表明,该方法是有效的、可行的。     

基于小波分析及改进KNN的红虫识别研究

提出了一种小波分析与改进KNN相结合的红虫图像识别方法。该方法采用多辨识小波分解提取图像的小波能量特征,同时结合生物图像颜色特征构造特征向量,然后选择加权改进KNN分类器进行识别,分类器根据特征与分类相关度确定权重,修改距离函数,有效提高了分类精度。通过对红虫、剑水蚤、猛水蚤样本进行分类试验证明,平均识别准确率达到95.41%,验证了该方法的有效性。