1 南京信息工程大学电子与信息工程学院，江苏 南京 210044
2 南京信息工程大学江苏省大气环境与装备技术协同创新中心，江苏 南京 210044
根据AERONET SGP站的气溶胶光学反演数据，提出了一种基于朴素贝叶斯分类器的气溶胶分类模型，以气溶胶单次散射反照率、复折射率指数等作为输入变量识别了该地区5种类型的气溶胶，分析了不同类型气溶胶的光学特性。所提模型基于学习训练集样本的类别概率分布生成分类器模型，进而预测出测试集样本的类别。在此基础上，将所提模型应用于SGP站气溶胶类型的季节分布差异特性分析，实验结果符合该地区的气候环境特征。为研究所提模型分类结果的准确性，利用AERONET站点数据与高光谱分辨率激光雷达廓线数据匹配法建立了气溶胶分类阈值标准。结果表明，相比传统的气溶胶分类算法，所提模型获得的气溶胶分类结果与基于阈值标准确定的结果具有较高的一致性，可为卫星等遥感设备的气溶胶反演提供地面数据支撑。
大气光学 气溶胶分类 机器学习 朴素贝叶斯分类器 气溶胶特性 光学学报
2022, 42(18): 1801006
1 火箭军工程大学作战保障学院, 陕西 西安 710025
2 中国人民武装警察部队工程大学信息工程学院, 陕西 西安 710086
针对可见光和近红外双波段场景分类存在图像标注样本少和特征融合质量低的问题,提出了一种基于卷积神经网络(CNN)特征提取和朴素贝叶斯决策融合的双波段场景分类方法。首先,将基于预训练的CNN模型作为双波段图像的特征提取器,避免标注样本少导致的过拟合问题;然后,通过主成分分析降维和特征归一化方法,提高支持向量机的计算速度和每个波段的分类性能;最后,以双波段后验概率为朴素贝叶斯先验概率,构建了决策融合模型,实现场景融合分类。在公开数据集上的实验结果表明,相比单一波段分类和双波段特征级联融合分类方法,本方法的识别率有明显提升,可达到94.3%;比基于传统特征的最优方法高6.4个百分点,与基于CNN的方法识别率相近,且执行简单高效。
机器视觉 图像分类 朴素贝叶斯模型 双波段场景 卷积神经网络 决策融合 激光与光电子学进展
2021, 58(4): 0415006
1 四川大学 电子信息学院，四川 成都 610065
2 上海交通大学 电子信息与电气工程学院，上海 200240
3 北京百度网讯科技有限公司，北京 100085
分布式视频编码(DVC)与传统视频编码之间的转码为移动终端设备之间的低功耗视频通信提供了一种有效的实现思路。以DVC与HEVC转码为研究对象，利用DVC解码端信息，针对高效视频编码(HEVC)中复杂度极高的编码单元(CU)划分过程进行复杂度优化研究。在DVC解码端提取与CU划分相关的纹理复杂度、运动矢量及预测残差3种特征信息；在HEVC编码端基于朴素贝叶斯原理建立CU快速划分模型，模型生成后便可以通过输入特征信息对当前CU划分进行快速决策，避免大量率失真(RD)代价计算过程。实验结果表明，本方案在编码比特率略有上升的情况下大幅缩短了HEVC编码时间，平均下降幅度达到58.26%，且几乎不影响视频质量。
分布式视频编码 高效视频编码 朴素贝叶斯 分类模型 CU 快速划分 Distributed Video Coding High Efficiency Video Coding naive Bayes classification model CU fast partition 太赫兹科学与电子信息学报
2020, 18(2): 235
1 吉林大学 计算机科学与技术学院, 吉林 长春 130012
2 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
3 吉林大学 符号计算与知识工程教育部重点实验室, 吉林 长春 130012
为提高航天软件测试的效率和质量, 针对同公司航天软件数量少、研制周期长的特点, 提出了一种跨公司航天软件缺陷预测方法。从航天软件背景信息复杂、规模大、功能独立等特征出发, 提出基于静态分类缺陷预测的模型构建思想。引入迁移学习方法, 利用最近邻分类器和数据引力模型, 对训练数据的分布特征进行修正, 提高训练数据与目标数据的相似性; 为提高模型的泛化能力以适应目标数据的多样性, 提出在训练数据中加入少量目标数据用于模型训练。将该方法在实际工程中进行应用, 实验结果表明, 与已有软件缺陷预测方法相比, 该方法在保持较低误报率(不高于0.3)的情况下可有效提高召回率(接近0.6), 整体可信度得到有效增强(G-measure超过0.6), 方法稳定度高, 泛化能力较强; 本方法在实际工程中对测试规模影响可控, 测试效率得到提高。
缺陷预测 迁移学习 最近邻分类器 数据引力 朴素贝叶斯 defect prediction transfer learning nearest neighbor classifier data gravity naive Bayes
华中光电技术研究所—武汉光电国家实验室, 湖北 武汉 430223
针对静态背景和缓动背景下的多目标跟踪,提出一种基于HOG与粒子采样定位的单目标和多目标跟踪方法。从背景建模与更新策略出发,采用方向梯度HOG特征与朴素贝叶斯分类学习方法对检测的可疑目标进行判别,识别出兴趣目标。同时提出粒子采样定位算法,在初步确定的目标位置附近,利用一定分布特性的粒子对目标的位置状态进行逼近。对多场景多实例的跟踪仿真实验结果表明:该方法能够自动检测并判别兴趣目标,可以稳定跟踪单个或多个目标,并具有较高的定位精度。该方法可应用于静态背景和缓动背景下的单目标和多目标跟踪。
方向梯度直方图 粒子采样定位 朴素贝叶斯 跟踪 形态学 HOG particle sampling location Nave Bayes tracking morphology
1 国防科学技术大学航天科学与工程学院, 湖南 长沙 410073
2 国防科学技术大学图像测量与视觉导航湖南省重点实验室, 湖南 长沙 410073
基于机器学习的思想并充分利用外观信息，提出一种在线选择纹理和形状特征的混合随机朴素贝叶斯视觉跟踪器。构造归一化空间金字塔，通过强度二值特征和金字塔梯度方向直方图二值特征，描述全局与局部区域的纹理和形状；并根据特征描述的二值性和多模性，设计并实现了在线混合朴素贝叶斯分类器。分类器预测类别后验概率生成信任图，跟踪器通过分析信任图实现目标跟踪，并利用极大似然估计和交叉验证实现外观学习和特征选择。选用基准测试集比较同类方法，从性能和复杂度两方面评估了跟踪器。实验结果表明跟踪器对光照变化，部分遮挡等情况具有一定的适应能力，且执行速度较快，存储空间较小。
机器视觉 机器学习 视觉跟踪器 纹理和形状特征 混合随机朴素贝叶斯
1 吉林大学地球科学学院， 吉林 长春130061
2 吉林大学地球探测科学与技术学院， 吉林 长春130061
3 吉林大学计算机科学与技术学院， 吉林 长春130012
由于某些矿物， 特别是与成矿作用有关的热液蚀变矿物的光谱特征差异较小， 更受到矿物混合光谱等因素的影响， 导致大多数光谱识别方法对一些光谱特征相似的矿物极易出现混淆和误判现象。 因此， 针对矿物光谱的“同物异谱”、 “同谱异物”现象， 提出了一种基于朴素贝叶斯分类模型的高光谱矿物精确识别方法。 通过对白云母、 高岭石， 这两种光谱特征相近的典型蚀变矿物的实验测试、 分析， 并与光谱角匹配、 二进制编码、 光谱特征拟合等同类方法进行对比， 结果表明该方法能够充分地利用吸收特征波谷位置、 吸收特征深度、 包络线斜率等多种矿物光谱识别属性特征， 进而将不同种类的矿物更明显地予以区分， 具有较高的分类识别准确率。
高光谱遥感 矿物识别 分类模型 朴素贝叶斯 Hyperspectral remote sensing Mineral identification Classification model Naive bayes
