杨荣 1,2,3董吉辉 1,2,3,*苏博家 1,2,3杨泽后 1,2,3,4[ ... ]周鼎富 1,2,3
1 西南技术物理研究所，四川 成都 610041
2 激光雷达与器件技术四川省国防科技重点实验室，四川 成都 610041
3 中国兵器工业集团有限公司激光器件技术重点实验室，四川 成都 610041
4 北京理工大学物理学院，北京 100081
5 北京理工大学光电学院，北京 100081
荧光激光雷达对气溶胶云团进行远程侦测时，常利用决策树法对云团的荧光光谱信号进行识别。当大气能见度较差或背景辐射较强时，激光雷达的信噪比下降，导致分类识别的准确性明显降低。针对这一问题，提出了一种基于特征提取的决策树分类方法，该方法充分利用荧光光谱信号的信息，具有较强的适用性。首先介绍了生物荧光光谱的特点及传统识别算法和改进识别算法的原理；然后实验测试了6种生物溶液的荧光谱，并通过在这6种生物物质的荧光光谱中增加不同强度的噪声，对两种分类识别算法的性能进行了对比分析。结果表明：所设计的基于特征提取的决策树算法的训练时间基本不随噪声大小改变，当光谱信号的信噪比为10时，对6种生物物质的识别准确率基本达到80%以上；对于两种荧光光谱极其相似的生物，具有较强的区分能力，识别准确性优于传统识别算法；抗噪能力较强，提高了生物气溶胶激光雷达的探测识别能力。
遥感 激光雷达 激光诱导荧光 机器学习 决策树 生物识别
1 中国人民解放军93605部队, 北京 102000
2 空军工程大学防空反导学院, 西安 710000
3 中国人民解放军63768部队, 西安 710000
4 中国人民解放军93126部队, 北京 100000
针对复杂作战场景下的指挥控制决策问题, 基于决策树理论提出了处理多任务流程的指挥控制决策方法。首先对OODA环理论的判断过程进行了详细分析, 通过构造决策树的方法来生成判断模型。决策树在决策过程中调用多任务流程服务并生成判断结果。指挥员根据判断结果来进行指挥决策, 从而实现机器在人的控制下的智能决策。通过对该方法进行验证分析, 证明该方法具有高层次可解释性, 准确表达指挥员作战意图, 灵活构建作战策略的特点。
OODA环 决策树 流程建模 作战策略 OODA loop decision tree process modeling combat strategy
1 贵州大学大数据与信息工程学院, 贵州 贵阳 550025
2 贵阳学院农产品无损检测工程研究中心, 贵州 贵阳 550005
番茄早疫病感染性强、 破坏性大, 潜育期症前特征的检测识别是番茄早疫病监测预警和科学防治的关键。 在实验室以离体番茄叶片作为研究对象, 利用高光谱图像监测番茄叶片早疫病的病程演变情况, 结合可见光图像和光谱特征进行数据分析。 实验发现, 番茄叶片感染早疫病后其近红外光谱平均值和红边反射率随着时间不断降低, 且在接种36 h时已出现潜育期病症信息。 选择接种36 h的光谱数据作为番茄早疫病潜育期的建模数据, 分别利用了主成分(PCA)变换、 多元散射校正(MSC)对建模数据进行光谱降维或降噪处理, 进而建立梯度提升决策树(GBDT)和支持向量机(SVM)识别模型, 并导入数据进行训练识别。 讨论了PCA和MSC的预处理方法对梯度提升决策树(GBDT)和支持向量机(SVM) 模型识别效果的影响; 进一步讨论常见核函数对SVM识别模型的影响, 优选出预处理方法和识别模型的组合算法。 结果发现, PCA-GBDT、 PCA-SVM(高斯核)、 PCA-SVM(线性核)、 MSC-GBDT、 MSC-SVM(多项式核)这几类组合算法准确率均为95%以上, 能很好的实现番茄早疫病潜育期的光谱识别; 其中MSC-GBDT的识别召回率和准确率最好, 而PCA-SVM(高斯核)识别效率最高。 研究表明, 通过降噪处理后的番茄早疫病潜育期高光谱数据减少了噪声、 更加符合真实的分布、 具有较大的可信数据量, 配合简单的识别模型会导致识别能力不足, 而配合复杂的识别模型可达到一个较可靠的测试结果; 通过降维算法能使番茄早疫病潜育期高光谱数据的维度降低、 数据量减少; 降维后的特征能够表达出病变信息, 配合简单识别模型时识别效果好, 而配合过于复杂的识别模型会导致识别模型的过拟合。
番茄早疫病 潜育期 高光谱成像 预处理 支持向量 梯度提升决策树 Tomato early blight Incubation period Hyperspectral imaging Pretreatment Support vector Gradient lifting decision tree
1 大连海事大学船舶电气工程学院, 辽宁 大连 116026
2 大连海事大学轮机工程学院, 辽宁 大连 116026
玻璃在中国史料中早有记载, 但是由于长期存在名称和质地的混淆, 且近现代有关中国古代玻璃的研究起步较晚, 关于古代硅酸盐玻璃的风化和成分研究比较缺乏。以往研究古代玻璃器的著作, 多是从王朝更替的角度, 对文化交流、化学分析等方面研究玻璃的文化艺术形态及其自身的运行发展的规律, 较少有学者系统建立数学模型并使用智能算法定性定量开展风化硅酸盐玻璃原成分预测及亚分类方法研究。本工作以多组风化和未风化硅酸盐玻璃为研究对象, 提取其化学成分含量、纹饰和颜色等数据, 利用Spearman系数分析了纹饰、颜色和玻璃大类之间的相关性并研究影响表面风化的因素; 利用决策树进行大致分类, 然后用神经网络预测玻璃风化前主要化学成分的含量, 并总结硅酸盐玻璃的分类依据。此后通过K-means聚类建立分类模型: 确定最佳类别数, 进行亚类划分, 寻找铅钡玻璃和高钾玻璃的最优分类数量。研究结果表明, 只有玻璃类型对表面风化具有显著影响; 风化过程中参与度较高的化学成分为二氧化硅、氧化铝、氧化铅、氧化钡、氧化铅和五氧化二磷; 风化后, 铅钡玻璃二氧化硅含量明显下降, 氧化铅含量明显上升, 而高钾玻璃二氧化硅含量明显上升, 氧化钾氧化钙和氧化铝含量明显下降; 高钾玻璃分为3个亚类, 铅钡玻璃分为4个亚类。为后续利用机器学习研究古代硅酸盐玻璃的风化和成分提供了参考。
硅酸盐玻璃 决策树 神经网络 K-means聚类 Spearman相关性 Portland glass decision tree neural network K-means clustering Spearman coefficient
徐隆鑫 1,2,3,4,*孙永华 2,3,4吴文欢 1邹凯 2,3,4[ ... ]张晓涵 2,3,4
1 遥感信息与图像分析技术国家级重点实验室, 核工业北京地质研究院, 北京 100029
2 水资源安全北京实验室, 北京 100048
3 教育部三维信息获取与应用重点实验室, 北京 100048
4 城市环境过程与数字模拟国家重点实验室培育基地, 北京 100048
建筑垃圾“围城”已经成为现阶段城市环境治理面临的主要问题, 严重制约了城市生态环境的可持续发展, 做好建筑垃圾的分类对保护城市水资源、 提高城市土地利用率、 提升居民生活质量意义重大。 该研究将GaiaSky-mini 2推扫式机载高光谱成像仪（400～1 000 nm）搭载在经纬M600Pro无人机上, 选择晴朗无风的试验环境, 实时获取研究区高光谱遥感影像。 对采集的研究区高光谱遥感影像进行几何校正、 图像裁剪、 辐射校正等预处理; 将研究区内地物分为背景地物和建筑垃圾两大类, 其中背景地物包括芦苇、 蒿子、 水体、 阴影、 裸土和柏油路, 建筑垃圾包括白色塑料、 防尘布、 地基渣土和瓦砾砂石; 基于影像像元选取样本点, 分别提取研究区内6种背景地物和4种建筑垃圾的光谱信息, 制作光谱曲线, 并依据光谱特征差异, 选取特征波段, 通过波段计算统计并选取合理阈值, 利用决策树分类法实现背景地物的分离和建筑垃圾的识别提取; 针对不同类别的背景地物和建筑垃圾分别选取验证样本点, 对背景地物的分离结果和建筑垃圾的识别结果进行精度评价。 结果表明, 背景地物和建筑垃圾总体识别精度为85.91%, Kappa系数为0.845; 针对建立的背景地物分离决策树, 6种背景地物的分类效果均较好, 其中芦苇、 柏油路和裸土的生产者精度为95%, 整体能较好的将背景地物分离; 针对建立的建筑垃圾识别决策树, 防尘布和瓦砾砂石的生产者精度为95%, 白色塑料和地基渣土的生产者精度为90%, 能精确的提取研究区内的建筑垃圾。 研究表明决策树分类法在无人机高光谱遥感影像中实现建筑垃圾的识别与提取具有很好的分类准确度, 同时也验证了无人机高光谱遥感在建筑垃圾分类提取领域的科学性和可行性, 对未来建筑垃圾的分类识别工作具有一定的实际意义。
无人机 高光谱遥感 决策树 建筑垃圾分类 UAV Hyperspectral remote sensing Decision tree Classification of construction waste 光谱学与光谱分析
2022, 42(12): 3927
宁波大学信息科学与工程学院，浙江 宁波 315211
遥感卫星具有覆盖范围广、连续观测等特点，被广泛应用于海雾识别相关研究。本文首先借助能够穿透云层，获取大气剖面信息的星载激光雷达(cloud-aerosol LiDAR with orthogonal polarization, CALIOP)对中高云、低云、海雾、晴空海表样本进行了标注。然后结合葵花8号卫星(Himawari-8)多通道数据提取了各类样本的亮温特征与纹理特征。最后根据海雾监测的需求，抽象出海雾监测的推理决策树，并据此建立深度神经决策树模型，实现了高精度监测夜间海雾的同时具备较强的可解释性。选择2020年6月5日夜间Himawari-8每时次连续观测数据进行测试，监测结果能够清晰地展现此次海雾事件的动态发展过程。同时本文方法海雾监测平均命中率(probability of detection, POD)为87.32%，平均误判率(false alarm ratio, FAR)为13.19%，平均临界成功指数(critical success index, CSI)为77.36%，为海上大雾的防灾减灾提供了一种新方法。
1 燕山大学电气工程学院河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004
2 河北先河环保科技股份有限公司, 河北 石家庄 050035
近年来频繁发生的褐潮污染给沿海地区经济带来巨大损失。准确、高效地识别褐潮藻对预防海洋环境污染意义重大。采用三维荧光光谱、梯度提升决策树(GBDT)和逻辑回归(LR)相结合的方法,实现了对褐潮藻的准确辨识。为解决LR模型对非线性数据的特征组合能力较弱的问题,引入GBDT算法,充分利用集成学习算法在处理非线性数据上的优势。将GBDT的预测结果作为新特征代替原来的特征输入LR模型,建立了一种将GBDT与LR相融合的褐潮藻辨识模型(GBDT-LR)。针对复杂海洋环境中其他门类藻的干扰,实验引入小球藻、细长聚球藻等5种不同门类的海藻作为对比,并对处于不同生长周期的褐潮藻辨识情况进行分析。相同条件下通过将所提模型与LR、支持向量机(SVM)和反向传播(BP)神经网络等模型进行对比。结果表明,GBDT-LR在分类准确率、召回率和F1分数等评价指标上均优于其他模型,处于指数生长期的藻类荧光光谱最为稳定,这一时期的褐潮藻辨识结果最好。
光谱学 三维荧光光谱 褐潮污染 特征提取 逻辑回归 梯度提升决策树 光学学报
2022, 42(12): 1230001
1 辽宁工程技术大学电子与信息工程学院，辽宁 葫芦岛 125105
2 辽宁工程技术大学研究生院，辽宁 葫芦岛 125105
针对室内定位中相邻定位点之间信道状态信息（CSI）指纹特征易模糊和定位算法鲁棒性低等问题，提出了一种基于局部线性嵌入（LLE）和梯度提升决策树（GBDT）的定位算法。离线阶段，首先将经过预处理的幅值和相位作为CSI联合指纹，然后再用LLE降维前用弹性网络（EN）对联合指纹的不同子载波进行加权，既保证了降维后CSI指纹的真实性又增强了其独有的特征，最后用基于果蝇优化算法（FOA）改进的GBDT算法训练降维后的数据以提高CSI指纹的可靠性和稳定性，并建立指纹库。在线阶段，将待测点的联合指纹代入LLE+GBDT算法训练出指纹信息，然后通过与指纹库匹配预测出待测点的物理位置。室内定位实验结果表明，所提算法相较于对比算法具有较高的定位精度和鲁棒性，具有一定的应用价值。
室内定位 信道状态信息 梯度提升决策树 局部线性嵌入 激光与光电子学进展
2022, 59(2): 0215008
1 北方工业大学信息学院，北京 100144
2 中国石油管道局工程有限公司国际事业部，河北 廊坊 065000
3 中国石油管道局工程有限公司亚太分公司，河北 廊坊 065000
光纤预警系统已被广泛应用于油气管道的入侵检测预警中，目前的技术难点仍是如何提高光纤入侵信号多分类识别的准确率。采用梯度提升决策树（GBDT）算法训练光纤入侵信号多分类模型，并提出了一种基于傅里叶分解方法（FDM）及GBDT算法的特征提取与识别算法。该算法采用FDM对光纤入侵信号进行预处理，提取信号的近似熵、能量和谱熵特征。采用GBDT算法训练模型并对光纤入侵信号进行识别分类。为了检验该算法的性能，分别用支持向量机和AdaBoost算法训练模型并进行对比实验。结果表明，该算法能有效识别敲击、小跑、过车和镐刨四类光纤入侵信号，平均准确率为92.5%。
光纤光学 光纤入侵信号 特征提取与识别 傅里叶分解 梯度提升决策树 激光与光电子学进展
2022, 59(23): 2306003
1 哈尔滨工业大学（威海）山东 威海 264200
2 中国科学院海岸带环境过程与生态修复重点实验室（烟台海岸带研究所），山东 烟台 254003
3 中国科学院海洋大科学研究中心，山东 青岛 266071
4 中国科学院大学，北京 100049
近年来由于塑料的大量使用和排放, 这些塑料经环境作用破碎变成微塑料大量汇聚到海洋中, 导致海洋中聚集大量微塑料。 微塑料形状较小, 难以识别其来源与种类。 激光拉曼探测技术具有快速、 无损、 且各物质指纹峰明显易被精确识别等优点, 近年来被广泛应用。 本文基于拉曼光谱探测技术, 提出了一种结合小波处理、 随机森林算法实现海水中微塑料快速识别的智能分类方法。 针对六种典型的海水微塑料标准样品(丙烯腈(A)-丁二烯(B)-苯乙烯(S)的三元共聚物(ABS)、 聚酰胺(PA)、 聚对苯二甲酸乙二醇酯(PET)、 聚丙烯(PP)、 聚苯乙烯(PS)、 聚氯乙烯(PVC)), 采用激光拉曼探测技术进行光谱数据收集, 对获取的拉曼光谱采用小波基为DB7、 分解次数为3的小波, 标准差归一化进行了拉曼光谱预处理。 为了提高识别速度, 同时还需要对光谱数据进行数据压缩预处理, 分别进行了数据压缩点为64, 128, 256, 512和1 024点的数据压缩比较, 它们的决策树算法识别精度分别为91.51%, 91.67%, 92.35%, 93.17%和93.21%, 随机森林算法识别精度分别为93.12%, 93.92%, 94.83%, 96.81%和96.81%, 实验结果表明, 微塑料的拉曼光谱压缩为512点时为效率和精度的最佳压缩点, 可以为实际工程应用中微塑料拉曼数据压缩提供参考。 分别采用决策树、 随机森林两种算法进行微塑料拉曼光谱识别研究。 研究结果表明, 基于拉曼光谱数据, 随机森林算法的识别微塑料交叉验证精度高于决策树算法。 为进一步提高识别精度, 进行了模型参数(折次k)优化研究, 采用经过优化后的模型参数(k=20), 随机森林算法识别微塑料的交叉验证精度可以达到97.24%。 可以为实际海水中微塑料的快速识别提供技术参考。
微塑料 激光拉曼 小波分析 决策树 随机森林 Microplastics Laser Raman Wavelet analysis Decision tree Random forest 光谱学与光谱分析
2021, 41(8): 2469
