检索结果-内蒙古大学图书馆

计算机工程 2017年第1期43卷 274-279,286页

作者：喻强聂洪玉张晶晶西南交通大学信息科学与技术学院成都611756

现有的描述子一般与主方向相关,当图像经过变换时,得到的描述子主方向会有误差,从而导致图像匹配效果不理想。针对上述问题,基于等距环局部二值模式,提出一种二进制描述子构造方法。在构造描述子与描述子匹配过程中分别使用了等距环局... 详细信息

现有的描述子一般与主方向相关,当图像经过变换时,得到的描述子主方向会有误差,从而导致图像匹配效果不理想。针对上述问题,基于等距环局部二值模式,提出一种二进制描述子构造方法。在构造描述子与描述子匹配过程中分别使用了等距环局部二值采样模式与分组匹配策略,使得构造的描述子具有旋转不变性,解决主方向问题和加速匹配过程。实验结果表明,与BRIEF,BRISK等二进制描述子相比,该方法具有更快的速度及更高的准确率。

关键词：图像变换局部二值模式二进制描述子采样模式分组匹配旋转不变性

来源：评论

学校读者我要写书评

暂无评论

压缩感知同步扫描重建及其采样方案的研究

引用

波谱学杂志 2016年第2期33卷 257-268页

作者：高芒谢海滨李智敏张成秀奚伟姜小平杨光华东师范大学物理系上海市磁共振重点实验室上海200062 上海卡勒幅磁共振技术有限公司上海201614

压缩感知(compressed sensing,CS)-磁共振成像(magnetic resonance imaging,MRI)技术使用随机欠采样的k空间数据来重建图像,大大提高了成像速度.但典型的CS重建很费时,这也是CS-MRI临床应用的主要障碍之一.针对这一问题,该文提出了在扫... 详细信息

压缩感知(compressed sensing,CS)-磁共振成像(magnetic resonance imaging,MRI)技术使用随机欠采样的k空间数据来重建图像,大大提高了成像速度.但典型的CS重建很费时,这也是CS-MRI临床应用的主要障碍之一.针对这一问题,该文提出了在扫描时同步进行CS图像重建的方案.在同步重建的过程中,可以实时显示重建图像的结果,用户可以根据图像质量来决定何时终止扫描,这样可以在节约扫描和重建时间的同时,更好地控制图像质量.由于预先无法确定最终的采样率,因此传统的变密度随机采样方法并不完全适用.该文设计了适用于同步重建过程的采样模式生成方案,同时提出了分段采样方法,把采样过程分为两个阶段,不同阶段使用不同的概率密度函数(probability density function,PDF)确定待采样的相位编码行.模拟实验的结果表明,与使用单一密度函数的采样方案相比,分段采样方案能够在整个同步扫描重建过程中始终获得更好的图像.

关键词：压缩感知(CS) 磁共振成像(MRI) 同步扫描重建采样模式

来源：评论

学校读者我要写书评

暂无评论

CNC视觉系统中的图像特征匹配技术及其应用研究

CNC视觉系统中的图像特征匹配技术及其应用研究

引用

作者：惠国保南京理工大学

学位级别：博士

自20世纪90年代以来,快速发展的计算机技术,推动数控系统不断更新换代。从数控技术及其装备发展的趋势来看,数控技术向着多技术集成、自适应方向发展。将视觉技术运用到CNC机床上,会使数控技术在这个发展方向上迈进一大步。在CNC机床上... 详细信息

自20世纪90年代以来,快速发展的计算机技术,推动数控系统不断更新换代。从数控技术及其装备发展的趋势来看,数控技术向着多技术集成、自适应方向发展。将视觉技术运用到CNC机床上,会使数控技术在这个发展方向上迈进一大步。在CNC机床上应用计算机视觉技术,主要评估刀具磨损、评测工具表面粗糙度、规划走刀路径、安全监控等。这些应用都涉及到图像配准,图像配准是图像处理与分析中的基本问题,可完成图像分析、变化检测、三维重建、目标识别和图像检索等处理工作。所以,图像配准技术是将计算机视觉技术应用于数控系统中的关键技术。基于图像特征的配准方法因为精度高、速度快、稳定性好等特点成为图像配准研究热点。基于图像特征的图像配准离不开图像特征的搜索与匹配,如何描述图像特征以实现精确地、快速地匹配是其中的关键。近些年出现了许多构建图像特征描述子的算法,但是要同时达到特征匹配的高精度和实时性,是一个需要继续研究的问题。本文以构建性能更优的图像特征描述子为目的,从不同方面对描述子构建进行了研究；还对基于所提描述子的图像特征匹配在反求制造中的三维模型重构和视觉数控安全监控中应用进行了研究。主要研究内容和创新成果如下： (1)针对基于一般采样模式(如BRISK和FREAK)构建的特征描述子鲁棒性不高的问题,提出了一种基于有序分阶采样模式的局部特征描述算法。有序分阶采样模式以图像关键点为中心,由方块、子方块和采样点三部分构成,每个子方块和采样点都是有序排列的。接着,采用高斯-拉普拉斯(LOG)平滑处理每个子块,根据LOG响应的正负性来确定每个采样点二进制值。然后,依次有序地串联起所有采样点的LOG响应值构成一个二进制串,即为关键点的图像特征描述子,它对应采样模式的三部分构成分别有串、段和位三个梯度。实验验证了采样点之间的有序分阶性能增强特征描述子对视角和尺度变化的鲁棒性。 (2)从像素聚类的角度,提出了在一般采样模式上实现采样点之间有序分阶的特征描述方法。通过图像补丁分层处理、增加关键点对应的图像补丁个数来获取更多的局部特征信息,提高了特征描述子的独特性。首先,根据灰度序列对图像补丁内所有像素点聚类处理形成了一个亚补丁,并在每个亚补丁上随机提取像素点进行灰度值比较测试,这是纵向挖掘补丁特征信息。其次,在图像关键点周围分割出多个不同大小的图像补丁,或是将原图像补丁根据尺度金字塔确定几个尺度大小不同的补丁,然后分层处理图像补丁、做比较测试,这是横向挖掘补丁特征信息。所构建的描述子不仅包含了补丁像素的灰度比较信息,还包含了灰度排序信息和像素聚类信息,提高了特征描述子的鲁棒性。 (3)从机器学习的角度,提出了一种基于AdaBoost算法的学习架构,通过学习图像补丁的相似性来构建维数低、高独特性的特征描述子。在该架构里,通过Adaboost学习得到一组非线性图像特征弱学习器,组合学习图像补丁局部特征信息,优化响应函数组合形式和弱学习器权重配置；而且提出了新的图像补丁相似性度量函数作为目标函数的核函数,基于AdaBoost算法设计了图像补丁相似性的整个学习算法流程,以改进特征弱学习器组合优化的效果。该学习架构不会受限于任何预定义的图像特征信息采集模式,并能产生基于灰度信息和方向梯度信息的特征描述子。该学习架构能有效地优化配置图像特征的弱学习器,得到的特征描述子具有较高的鲁棒性和较强的泛化性。 (4)针对CNC视觉图像的特点,及CNC视觉系统对图像特征匹配在视角和尺度变化下具有高鲁棒性的要求,递进地设计了两种采样模式,结合有序分阶、像素聚类和集成学习构建适用于CNC视觉系统的图像特征描述子。首先,分析了FREAK和BRISK等采样模式的特点,得出了采样点密度和平滑重叠度是影响采样模式性能的两个因素；通过测试探究了这两个因素与采样模式性能之间的关系,据此关系调整了采样点密度和平滑重叠度,设计出了一种性能较好的改进型采样模式;在此采样模式上测试采样点对构建关键点的描述子,分析评估了该描述子。因为这只是对采样模式从两个影响因素上进行的改进设计,还未挖掘出采样模式最优性能,于是接下来进一步挖掘图像补丁特征信息,又继续深入研究了前面两个影响因素与采样模式性能的关系；为了使采样点对二进制位方差最高、点对之间关联度最低,将采样模式建立在两个影响因素适度值上,设计出了一种性能更优化的采样模式；并在此采样模式上,结合灰度排序、补丁分层方法,提出了一种基于分层采样模式的特征描述子；从鲁棒性和实时性两个角度分析评估了该描述子,验证了基于分层采样模式的特征描述子可以实现高质量的特征匹配,适用于CNC视觉系统的图像特征匹配任务。 (5)基于图像特征匹配的图像配准技术在CNC视觉系统里的应用进行了研究。首先,提出将计算机视觉三维重构技术引入反求制造工程中

关键词：制造业信息化 CNC视觉系统特征匹配特征描述子采样模式

来源：评论

学校读者我要写书评

暂无评论

基于线性混合模型的高光谱图像压缩感知研究

基于线性混合模型的高光谱图像压缩感知研究

引用

作者：王忠良西北工业大学

学位级别：博士

随着高光谱图像分辨率的不断提高,成像光谱仪获取的高光谱数据急剧增加,海量的高光谱数据给机载或星载遥感成像系统的数据存储、传输和处理带来巨大压力。传统的高光谱遥感成像面临高速率采样、海量数据的存储和传输等难以突破的难题。... 详细信息

随着高光谱图像分辨率的不断提高,成像光谱仪获取的高光谱数据急剧增加,海量的高光谱数据给机载或星载遥感成像系统的数据存储、传输和处理带来巨大压力。传统的高光谱遥感成像面临高速率采样、海量数据的存储和传输等难以突破的难题。压缩感知理论作为一种新颖的数据采集理论将数据的采样和压缩过程巧妙地结合起来,实现采样率低于传统奈奎斯特率的数据采集和少量观测数据的精确重构,降低了对传感器的要求,有效避免了追求高分辨率带来的软硬件成本问题。压缩感知理论的诞生为解决传统高光谱遥感成像面临的瓶颈问题提供了有效的解决途径,将压缩感知技术应用于高光谱遥感成像的研究已成为当前高光谱数据采集研究的热点。本文以高光谱数据的压缩采样模式和图像的重建算法为研究对象,以高光谱图像的线性混合模型为契机,致力于寻求高效的高光谱压缩采样方式和快速、高精度的压缩感知重建算法,并针对当前成熟的推扫式和摆扫式高光谱数据采集模式研究了压缩感知成像的实现方案。论文的主要工作及取得的创新性成果如下:1.针对高光谱图像空间或光谱维压缩采样形式单一、采样效率低的问题,在分析研究空间压缩采样域数据特性的基础上,提出了一种高光谱图像的空谱压缩采样方案。高光谱数据采样先进行空间压缩采样,再对压缩后的数据进行光谱维压缩采样。实验结果表明,空谱压缩采样有助于提高采样效率,改善重构质量。2.针对传统高光谱压缩感知直接重构原始图像数据量大的问题,在光谱维压缩采样数据的重构过程中应用线性混合模型,提出了已知端元谱和未知端元谱的压缩感知重构算法,以及基于线性光谱库混合模型的压缩感知重构算法。应用线性混合模型将高光谱图像分离成丰度系数和端元特征两个小数据量的子集,利用混合像元分解算法估计丰度,稀疏优化算法提取端元,再通过估计的丰度和提取的端元来合成原图像。实验结果表明所提的重构算法由于估计的两子集数据量小,运行速度上有较大幅度的提升,同时能获得更高的峰值信噪比和更好的重建效果。3.针对高光谱图像压缩感知重构精度低、计算复杂度高的问题,提出了基于波段的分布式压缩感知和基于像元的分布式压缩感知方案。采样时将高光谱图像分成关键波段图像与压缩感知波段图像或者关键像元与压缩感知像元,并对不同类别数据采用不同的采样方式。重构时利用线性混合模型分离不同类别的观测数据,进行端元提取和丰度估计,线性谱解混算法的应用使得欠定问题的优化转化成超定方程的求解,大幅提高了重构算法的运行速度和精度。在基于波段的分布式压缩采样基础上,提出基于迭代预测的分布式压缩感知重构算法,进一步提高了高光谱压缩感知的重构精度。多个高光谱数据集的实验结果表明,所提的两种分布式压缩感知方案重构的平均信噪比远远高于压缩投影主成分分析算法和三维压缩采样算法,且重构速度比三维压缩采样算法有数量级的提升。4.针对高光谱图像压缩测量矩阵难以光学实现的问题,构造了实现空谱联合压缩采样的测量矩阵,提出了高光谱图像的空谱联合压缩感知方案。通过分析空间压缩采样的丰度系数的数据特性,构造了便于光学实现的、具有特殊结构的空间测量矩阵。重构时采用线性混合模型通过提取端元和估计丰度恢复原图像。实验结果表明,高光谱图像采用空谱联合的压缩采样,重构时利用线性混合模型进行分离重构,能实现快速、高精度的数据采集与重建的目标。5.基于摆扫式和推扫式高光谱遥感数据采集模式,研究了压缩感知成像的实现方案,设计了实现摆扫式基于像元的分布式压缩采样成像系统模型、推扫式光谱维和空谱联合压缩采样成像系统模型。采用棱镜、柱面透镜、DMD等光电器件,能使采集的数据量大幅减少而不需要进行其它压缩处理,既节省了存储空间和传输资源,又降低了数据压缩算法带来的功耗,有利于机载或星载高光谱成像的实现。仿真所设计成像系统模型压缩观测数据,采用本文所设计的重构算法进行重构,虽然重构性能稍有下降,但仍能高精度的恢复原数据。

关键词：高光谱图像压缩感知采样模式线性混合模型重建

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的磁共振成像放射状采样轨迹学习方法

基于深度强化学习的磁共振成像放射状采样轨迹学习方法

引用

作者：刘金枭天津大学

学位级别：硕士

磁共振成像(Magnetic Resonance Imaging,MRI)具有无损无创、无电离辐射、软组织对比度高、图像信息丰富等特点,是临床医学诊断和基础生命科学研究中最重要的影像学工具之一。但是MRI数据采集时间长,导致设备吞吐量小、不适应急重症的... 详细信息

磁共振成像(Magnetic Resonance Imaging,MRI)具有无损无创、无电离辐射、软组织对比度高、图像信息丰富等特点,是临床医学诊断和基础生命科学研究中最重要的影像学工具之一。但是MRI数据采集时间长,导致设备吞吐量小、不适应急重症的快速诊断、患者耐受性低等,限制了MRI的使用。因此,通过对k空间进行部分采样得到欠采样数据实现高加速倍率MRI具有重要科学意义和应用价值。得益于深度强化学习强大的特征表达和决策能力,Pineda等提出的基于深度强化学习的笛卡尔采样轨迹学习方法(简称Pineda方法)能得到比传统压缩感知方法更高的加速倍率。然而,该方法无法克服笛卡尔采样轨迹高低频信息利用不充分的局限,且存在模型参数量大(约300M)、计算效率低、在线推理阶段确定轨迹时间长等问题。为了解决上述问题并提高图像重建精度,本论文提出在极坐标下进行高效、高精度放射状采样轨迹学习的方法,主要工作和贡献如下:(1)提出基于深度强化学习的切片不相关放射状采样轨迹学习方法SIRTL,充分利用了放射状轨迹同时覆盖高低频信息的特性,采用与指定加速倍率相适应的简洁、高效的网络对图像进行重建,设计了以历史辐条角度信息为输入的全连接网络估计不同辐条的价值。在公开数据库fast MRI的实验表明,所提方法在比Pineda方法的切片不相关方法模型规模减少约37倍、训练效率提高约17倍的情况下,使重建图像质量得到明显提升。(2)为了解决SIRTL方法不具备切片自适应能力的问题,提出基于深度强化学习的切片自适应放射状采样轨迹学习方法SARTL,设计了以历史辐条信息对应的重建图像为输入的卷积神经网络估计不同辐条的价值,可以区分不同切片信息,使方法具有自适应性;建立了同时包含结构相似度、峰值信噪比、归一化均方误差的多目标奖励函数,提升轨迹学习质量。实验表明所提SARTL方法在比Pineda方法的切片自适应方法模型小约20倍、在线推理速度提高约15倍的情况下使图像重建质量得到显著提高。总之,本论文提出的两种基于深度强化学习的放射状采样轨迹学习方法具有参数量少、计算效率高和重建图像质量好的特点。

关键词：磁共振成像采样模式放射状采样轨迹深度学习深度强化学习

来源：评论

学校读者我要写书评

暂无评论

适宜中药材体系的近红外分析方法影响因素研究

适宜中药材体系的近红外分析方法影响因素研究

引用

作者：耿姝浙江大学

学位级别：硕士

近红外光谱(NIRS)技术以其快速、方便、高效等优势已被人们逐渐熟悉和接受,其在中药材快速分析领域的应用也越来越广泛。完整的NIRS方法包括光谱数据采集、模型校正与验证、模型后期的维护更新与转移等方面。对于任何光谱分析方法来说,... 详细信息

近红外光谱(NIRS)技术以其快速、方便、高效等优势已被人们逐渐熟悉和接受,其在中药材快速分析领域的应用也越来越广泛。完整的NIRS方法包括光谱数据采集、模型校正与验证、模型后期的维护更新与转移等方面。对于任何光谱分析方法来说,准确的原始数据是保证分析方法精准性及可靠性的根本前提,并且NIRS是主要依靠样品光谱信息间的微小差别来进行定量或定性分析,其分析结果的准确性会受多种因素影响。因此,了解NIRS分析的各种影响和干扰因素是保证分析结果准确可靠的前提。此外,NIRS是借助于化学计量学发展起来的系统化技术,选择适宜的化学计量学方法也可以一定程度上提高flRS模型的预测性能。本文系统地讨论了影响近红外漫反射光谱和其分析结果的各种干扰因素及有效预防措施,主要包括样本粒径、样本温度、采样模式和测试条件等因素,并结合光谱预处理方法、代表性的校正集选择方法及建模算法等,建立适宜中药材体系抗干扰的NIRS稳健模型,为NIRS技术在中药材质量快速分析领域内更广泛的应用提供支持。基于以上研究目的,本文的研究内容和成果如下：(1)样品粒径对中药材近红外漫反射光谱的影响研究。首先以多种中药材,包括根茎类、根皮类、花类、叶类、果实类、木质茎及草质茎类为研究对象,考察了粒径对近红外漫反射光谱吸光度的影响规律,结果表明光谱的不同频谱区域(组合频CR区、一级倍频FCOT区和二级倍频SCOT区)受粒径的影响各不相同,其中CR区及FCOT区的光谱强度基本与粒径成正比,且随波长增大,受粒径影响越大。对于不同类型不同质地的药材,光谱受粒径影响程度因药材而异。因此在NIRS方法实际应用中,应充分考虑到不同类型药材自身的特点和质地来选择最适宜的药材前处理方法和光谱波段区域。其次,考察了不同粒径药材样本装样误差的光谱重现性。研究结果表明,当粉碎粒径大于60目时,装样误差较小(RSD<3%),且粒径越小,光谱重现性越好,可以为药材样本的粉碎粒度提供指导,避免在测定样品时因装样误差而引起预测准确度下降。最后,以金银花药材中绿原酸含量的定量分析为研究内容,经对比筛选出最优的校正集选择方法及光谱预处理方法后,建立了40～140目单一粒径样本NIRS定量模型以考察粒径因素对定量模型的干扰影响。结果表明,40目模型预测结果最差,随着粒径减小,NIRS预测相对误差逐渐减小,但并没有随粒径变小呈规律性持续降低,当药材粒度为80～120目时预测结果较为准确；数学预处理方法虽能一定程度上消除粒径因素带来的散射影响,但并不能完全消除其只NIRS定量模型的干扰。本研究进一步建立了粒径全局校正模型来应对样本粒径影响,筛选稳健性和准确度最优的抗干扰模型来预测不同粒径样本中绿原酸含量,相比于每个单一粒径的独立模型,包含不同粒径信息的校正模型的预测结果更为准确。综上所述,从粒径对近红外漫反射光谱到模型预测准确度等方面影响的研究,均为适宜中药材体系下NIRS方法中粒径的优化提供了可靠的方法学参考。(2)样品温度对中药材近红外漫反射光谱的影响及修正研究。本文以温度对三七药材样品的近红外漫反射光谱及其总皂苷NIRS定量分析的影响为研究内容,详细考察了样品温度在5℃、10℃、20℃、30℃及40℃的近红外光谱差异,结果表明,温度波动显著地影响了样品漫反射光谱强度,并使其特征吸收波长位置发生了一定变化。此外,各温度下所建三七总皂苷NIRS定量模型性能和预测能力差别较大,高温模型的稳健性和预测结果最差,且不同温度模型间的通用性不强,模型只可用来预测温度较为接近的样本。最后,进一步针对仅使用光谱预处理方法较难消除温度对光谱影响的难题,将样品温度因素和信息考虑在内,构建了多元信息温度校正体系,分别采用PLSR线性回归方法建立温度全局模型,PCA结合BP-ANN非线性方法建立温度稳健模型,并对这两个系统的预测能力及适用性进行了评价。结果表明,PCA-BP-ANN温度校正模型对各种温度样本的预测误差均明显小于PLSR温度校正模型的预测结果,各温度样品的NIRS预测值更接近于真实值,且相关性较高,该模型具有更广泛和精确的抗干扰能力和预测能力。(3)不同光谱采样模式之间近红外光谱差异及模型转移研究。NIRS技术是光谱分析仪、化学计量学方法和应用模型三者有效结合才能实现的分析方法。测量模式和光谱采样附件是其中很重要的硬件基础,不同采样模式下所得光谱之间差异较大。基于此,本文以三七药材为对象,采用傅立叶变换近红外光谱仪的积分球模式和光纤模式测试了相同的中药材样本,对得到不同质量的光谱分别以合适的化学计量学处理后,对预测结果进行了统计检验。结果表明,适宜的数据处理方法可以一定程度上提高性能较弱的采样模式的预测结果,并缩小与性能较高的采样模式预测结果的差距。此外,为进一步实现不同采样模式所建立定量模型的通用性,本研究利用寻优后PD

关键词：近红外光谱分析技术中药材体系样本粒径样本温度采样模式测试条件化学计量学人工神经网络分段直接标准化多元校正模型

来源：评论

学校读者我要写书评

暂无评论

采样设计对土壤有机质含量空间预测精度的影响研究

采样设计对土壤有机质含量空间预测精度的影响研究

引用

作者：苏晓燕南京师范大学

学位级别：硕士

土壤采样设计是土壤有机质含量空间分布定量表达首先要面临的问题。在相同预测精度要求下,科学的采样设计方案需要的样点数量较少,而不合理的采样设计方案则需要较多的样点数量。采样点越多,采样和实验室分析所需的人力和物力以及时间... 详细信息

土壤采样设计是土壤有机质含量空间分布定量表达首先要面临的问题。在相同预测精度要求下,科学的采样设计方案需要的样点数量较少,而不合理的采样设计方案则需要较多的样点数量。采样点越多,采样和实验室分析所需的人力和物力以及时间就越多；相反的,采样点过少,则可能丢失重要的土壤性质空间信息。此外,土壤有机质含量数据点面拓展的空间预测方法也是影响预测性制图精度的重要因子之一,因此,建立科学的土壤采样布点及空间预测方法对于降低土壤采样成本、提高预测制图等具有重要的意义。而土壤有机质是保持土壤肥力、提高土壤质量及作物产量的关键因子。揭示土壤有机质含量的空间变异特征及空间分布规律对于土壤资源的高效科学管理和可持续利用具有重要的理论和现实意义。东北黑土区是我国重要的粮食生产基地,对保障我国粮食安全具有重要的战略地位。本研究以我国东北黑土区黑龙江省海伦市作为典型研究区,基于"4Km基础网格+加密点+随机点”相结合的采样方法,采集0-20cm土壤样品270个。首先,将研究区的DEM高程和MODIS遥感影像数据重采样至250m栅格上,并运用序贯高斯模拟法将270个土壤有机质含量数据模拟至相同的250m栅格上,建立基础数据库。其次,采用4种采样布点模式(简单随机采样模式、系统网格采样模式、分层随机采样模式和退火模拟采样模式)和9个样点系列(100、184、275、365、451、541、625、713和1000)设计土壤采样布点方案,研究不同采样模式和样点数量下海伦市土壤有机质的空间预测制图精度变化及空间预测方法对预测制图精度的影响。主要研究结论如下： 1.不同采样设计下土壤有机质含量的空间描述统计特征相似,但其识别有机质含量的空间变异结构的能力不同。随着样点数量的变化,有机质含量的变异结构中结构性组分呈不规则变化,分层随机采样模式比其他三种采样模式能更好地揭示其空间变异结构,因此,最优化的土壤采样模式可能比单纯的增加样点数量更为重要。 2.普通克里格法预测的有机质含量空间分布随着样点数量增大局部变异更详细,而回归克里格法预测的有机质含量空间分布受到样点数量的影响不明显。不管是哪种预测方法,系统网格采样模式下预测的平滑效应比其他三种采样模式都要大得多；分层随机采样模式则相反,更能反映出有机质含量空间局部变异；简单随机采样模式和模拟采样模式的预测分布结构相似。 3.总体来看,四种采样模式下的RMSE均值差异不大,系统网格和模拟退火采样布点模式略次于简单随机和分层随机采样模式。RMSE极差最小为模拟退火和分层随机采样模式。MAE的变化与RMSE的变化趋势基本一致。由此推断在黑土区县级尺度上进行土壤野外采样设计时,分层随机采样布点方法相对较好,而系统网格采样和简单随机采样布点的效率相对较差,但是对于已知研究区空间变异结构及一些样点,模拟退火是可取的布点模式。虽然从100至1000样点系列的RMSE均值和极差逐渐降低,但是合理样点的选取应该根据制图精度的要求来决定,对于本研究区,100-275样点系列不太能满足研究区的制图精度要求。 4.两种插值方法在不同采样设计下的半方差拟合参数差异显著。所有回归克里格法的半方差函数的变程均变小；简单随机和分层随机采样布点模式中半方差函数的随机性组分比值无明显差异,系统网格采样模式下的随机性组分比值大幅度下降,模拟退火采样模式下在不同系列下有下降也有上升。对于RMSE、 MAE的均值和极差来说,100样点系列的回归克里格法比普通克里格法RMSE均值稍低,其他样点系列下,回归克里格法的RMSE、 MAE不管均值还是极差都比普通克里格方法还高。因此,回归克里格法并不一定能提高预测精度。

关键词：土壤采样模式采样密度普通克里格回归克里格

来源：评论

学校读者我要写书评

暂无评论

煤炭开采扰动区土壤有机质空间预测模型及采样点优化研究

煤炭开采扰动区土壤有机质空间预测模型及采样点优化研究

引用

作者：闫路路山西农业大学

学位级别：硕士

本文以长河流域煤炭开采扰动区为例,通过对研究区土壤采样方案和各样点系列的设计,结合普通克里格插值(Ordinary-Kriging)和高斯序贯模拟(Sequential Gaussian Simulation)两种模拟方法,对每个采样模式下的每个样本系列进行有机质空间... 详细信息

本文以长河流域煤炭开采扰动区为例,通过对研究区土壤采样方案和各样点系列的设计,结合普通克里格插值(Ordinary-Kriging)和高斯序贯模拟(Sequential Gaussian Simulation)两种模拟方法,对每个采样模式下的每个样本系列进行有机质空间插值优化,验证不同的插值模拟结果精度,得出不同采样模式下的合理采样数,对于煤炭开采扰动区土壤养分空间预测模型优化、采样点的合理选取、以及与之相关的动态监测管理和生态修复工作的实施有重要的理论参考和实际应用价值。1.不同采样模式下不同样本容量土壤有机质含量描述统计特征相似,但各模式下各样本容量所表达的空间信息差异明显,同时对于局部空间信息的完整表达也都差异显著。随着样本容量的变化,有机质含量的变异结构变化规律不规则,拉丁超立方采样(LHS)比(系统网格采样)SG、(简单随机采样)SR和(方差四叉树采样)VQT可以更好地表达土壤养分空间变异性构。因此,最佳土壤采样模式可能比简单地增加样本容量更重要。2.基于不同采样模式和样点系列所采用的不同的插值模拟方法,在剔除部分样点系列的突出特征后,总体而言,插值后的四种采样模式的RMSE差异不大,基本上简单随机采样和系统网格采样大于方差四叉树采样和拉丁超立方采样。以RMSE值的大小为精度标准,72和42两个样点系列整体小于117、28、21三个样点系列。同时,MRE值的变化特征和RMSE值的变化规律趋于一致。综合分析,28、21样点系列难以满足有机质空间预测图的制作精度要求,72、117样点系列在空间信息的表达方面则更加完整。同时,通过不同插值模拟方法对不同采样模式下所选取的不同样点对于研究区空间信息的表达具有显著差异,并且在不同采样模式中没有相同样本容量的最优。3.根据预测分布图可知,高斯序贯模拟条件下随着样点数量的减少局部变异并不明显,同原始数据的空间变异性表达趋于一致。同时各采样模式下的最优采样数也具有差异性,根据RMSE和MRE值的变化分析,高斯序贯模拟方法在样点较少的情况下对于局部空间信息的表达较之于普通克里格插值法具有更多的优势。

关键词：土壤有机质采样模式样点优化空间插值

来源：评论

学校读者我要写书评

暂无评论

Web数据库采样技术研究

Web数据库采样技术研究

引用

作者：乔隽东北大学

学位级别：硕士

Web的飞速发展使其成为一个浩瀚而复杂的巨大数据源。整个Web可以进一步划分为Surface Web和Deep Web两大部分,Deep Web中信息的获取需要通过查询接口在线访问其后端的Web数据库,受限于查询接口的查询能力。由于Deep Web中数据库数量的... 详细信息

Web的飞速发展使其成为一个浩瀚而复杂的巨大数据源。整个Web可以进一步划分为Surface Web和Deep Web两大部分,Deep Web中信息的获取需要通过查询接口在线访问其后端的Web数据库,受限于查询接口的查询能力。由于Deep Web中数据库数量的巨大,给我们的使用带来了困难,这就需要了解Deep Web数据集成系统中所包含数据库的主题分布、更新频率以及大小等有用特征。在实际中,Web数据库所包含的信息量巨大,将Web数据库中的所有数据抽取下来进行分析的工作变得难以实现,由此Web数据库采样技术应运而生。Web数据库采样技术是指通过一定的技术将Web数据库中的数据随机地抽取一部分,这一部分数据能够代表Web数据库所具有的特征信息。现有的Web数据库采样方法中存在着诸多不足,主要体现在两个方面,一是采样的代价大效率低,一是样本的质量差。采样方法在获得样本数据时,击中率低,每次查询得到结果记录的重复率高,进而导致了采样的代价大。样本的质量差,采集到的样本数据库中数据分布存在偏差,同时样本数据库还存在着不能够准确地反应出Web数据库中数据特征的问题。本文提出了一种新的Web数据库采样模型,用以获得能够代替Web数据库分析的样本数据库。在该模型中主要应用了两种新的技术,一种是基于属性相关度的查询模式,一种是基于词频-属性值相关度的查询条件生成策略。通过这两种新技术的使用,不仅降低了采样的代价,同时也提高了样本的质量,达到采样的最终目的,即获得一个与Web数据库数据分布情况基本一致的样本数据库。基于属性相关度的查询模式为从查询属性中选择两个属性组合构成,这两个属性要求一个属性为分类属性,另一个属性为与分类属性的最不相关的文本属性。查询条件中可以有一个或多个属性值,这些属性值可以属于同一个属性也可以属于不同的属性,本文中提出的查询模式的作用就是限制查询条件中属性值的个数和所属的属性。在本文的采样模型中,采样过程使用的所有查询条件都按照查询模式定义生成。与传统方法相比,在得到相同的样本记录数时,本文提出的Web数据库采样模型向Web数据库发送查询的次数明显减少,即采样的代价减小。基于词频-属性值相关度的查询条件生成策略是从词频统计和属性值相关度两个角度分析当前样本数据库,生成满足查询模式的查询条件。词频的大小反映了Web数据库所代表领域的发展现状和发展趋势,对了解Web数据库有很大的作用。为了得到能够代表Web数据库特征的样本数据库,在生成查询条件中加入对词频的分析,达到增加样本质量的目的。属性值相关度是指两个不同的属性值出现在同一条记录中的频率,在生成查询条件中考虑属性值相关度是为了减少发送无用查询的次数,达到了减小采样代价的目的。基于属性相关度的查询模式和基于词频-属性值相关度的查询条件生成策略共同作用于采样模型,在采样关注的两个重点——采样代价和样本质量两个方面得到提高。这两点在实验中得到了验证,切实说明了本文提出的新的Web数据库采样模型能够高效地采集到代替Web数据库分析的样本数据库。

关键词： Web数据库采样模式词频统计属性值相关度 RF-Sampler

来源：评论

学校读者我要写书评

暂无评论

A/D、D/A转换电路及其与微处理器的连接(四)

引用

微电子学与计算机 1985年第2期 55-57页

作者：王秀玲清华大学计算机系

四、采样保持电路1.采样保持电路及有关参数在模拟通道中的采样保持电路如图4-1所示。采样保持电路通常由输入/输出缓冲放大器、逻辑电路控制的开关以及保持电容器组成。采样保持电路具有两种运行模式:采样与保持。在采样模式中,由逻辑... 详细信息

四、采样保持电路1.采样保持电路及有关参数在模拟通道中的采样保持电路如图4-1所示。采样保持电路通常由输入/输出缓冲放大器、逻辑电路控制的开关以及保持电容器组成。采样保持电路具有两种运行模式:采样与保持。在采样模式中,由逻辑输入控制的开关K是闭合的,输出随输入变化,通常增益为+1,A1是高增益放大器,用以为电容器快速充电;在

关键词：采样保持电路输入端保持模式电容器采样模式电器 D/A A/D 逻辑电平逻辑输入捕捉时间

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：