-
公开(公告)号：CN103942562A
公开(公告)日：2014-07-23
申请号：CN201410118967.X
申请日：2014-03-27
Applicant: 河海大学
Abstract: 本发明公开了一种基于多分类器组合的高光谱图像分类方法，属于遥感成像与模式识别相结合的技术领域。本发明包括以下步骤：步骤A、从高光谱图像的所有波段中选出多组较优的波段子集；步骤B、分别以所选出的每一组波段子集构建一个特征空间，并利用高光谱图像训练样本分别在各组波段子集所构建的特征空间中对分类器进行训练，得到与各组波段子集一一对应的多个基分类器；步骤C、根据所述多个基分类器，利用多分类器组合的方法对高光谱图像测试样本进行分类。本发明将多分类器组合的思想引入高光谱波段选择中，相比现有技术可有效提高波段选择后的分类正确率。
-
公开(公告)号：CN103729550A
公开(公告)日：2014-04-16
申请号：CN201310699773.9
申请日：2013-12-18
Applicant: 河海大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于传播时间聚类分析的多模型集成洪水预报方法，属于水文预报技术领域。首先采用派生的动态时间弯曲匹配方法进行洪水过程相似性分析，估计上下游各站点的流量传播时间，并通过对流量传播时间进行聚类分析将样本分解为若干簇，然后分别对子流量序列建立SVM回归模型模拟洪水形成过程，最后再将这些子模型合并成一个综合模型。将该方法的综合预测结果与常规条件下的单一模型和基于流量聚类的模型预测结果相比较，结果显示该模型综合表现更佳。
-
公开(公告)号：CN103942562B
公开(公告)日：2017-05-17
申请号：CN201410118967.X
申请日：2014-03-27
Applicant: 河海大学
Abstract: 本发明公开了一种基于多分类器组合的高光谱图像分类方法，属于遥感成像与模式识别相结合的技术领域。本发明包括以下步骤：步骤A、从高光谱图像的所有波段中选出多组较优的波段子集；步骤B、分别以所选出的每一组波段子集构建一个特征空间，并利用高光谱图像训练样本分别在各组波段子集所构建的特征空间中对分类器进行训练，得到与各组波段子集一一对应的多个基分类器；步骤C、根据所述多个基分类器，利用多分类器组合的方法对高光谱图像测试样本进行分类。本发明将多分类器组合的思想引入高光谱波段选择中，相比现有技术可有效提高波段选择后的分类正确率。
-
公开(公告)号：CN105069093A
公开(公告)日：2015-11-18
申请号：CN201510475456.8
申请日：2015-08-05
Applicant: 河海大学
IPC: G06F17/30
CPC classification number: Y02A10/46 , G06F17/30321 , G06F17/30536 , G06F17/30548
Abstract: 本发明公开了一种基于嵌入式索引的水文时间序列相似性搜索方法，按如下步骤进行：离线准备阶段对原始时间序列中的每个位置，计算对应的嵌入式索引向量，离线准备阶段实现了水文时间序列洪峰分割，串行聚类，初始参考序列集生成，参考集训练和时间序列嵌入索引计算；在线搜索阶段利用查询序列和参考集序列进行索引向量的计算，在原始序列的嵌入式索引欧氏向量空间中搜索，找到比较相似的点作为候选点集合，对候选点精炼后进行原始DTW度量，找到最终的相似序列。本发明将相似性搜索映射到欧氏向量空间中进行搜索，很大程度上提高了搜索效率。
-
-
-
Search Results
14
records
(took 0.017 seconds)
