检索

中国激光
激光与光电子学进展
Chinese Optics Letters
光学学报
光子学报
应用激光
应用光学
强激光与粒子束
量子光学学报
激光杂志
激光与红外
激光生物学报
激光技术
红外与激光工程
光学与光电技术
光学 精密工程
光学技术
光散射学报
光谱学与光谱分析
光电子技术
光电工程
发光学报
半导体光电
红外与毫米波学报
量子电子学报
原子与分子物理学报
Chinese Journal of Lasers B
中国激光医学杂志
强激光技术进展
大气与环境光学学报
高功率激光及等离子体物理研究论文集(专题)
现代科学仪器
光学仪器
光电子.激光
液晶与显示
红外
红外技术
光通信研究
半导体光子学与技术
High Power Laser Science and Engineering
Frontiers of Optoelectronics
Photonics Research
太赫兹科学与电子信息学报
Matter and Radiation at Extremes
Advanced Photonics
Opto-Electronic Advances
Journal of Innovative Optical Health Sciences
光通信技术
International Journal of Extreme Manufacturing
人工晶体学报
无机材料学报
Journal of Semiconductors

Hi,您目前在 全部期刊 期刊中, 论文搜索关键字 决策树 ,共找到 15 个内容。
选择下列全部论文 将 选定结果
Early Posting
张进  姜红  刘峰  段斌  
收起
摘要
利用差分拉曼光谱技术和决策树模型,建立了常见鞋底材料种类鉴别的分类模型,为鞋底材料种类鉴别提供了一种新的方法。通过前期谱图预处理后,根据样本主要成分的不同对样本进行分类,再利用主成分分析和层次聚类分析验证分类结果,基于分类结果建立了分类树模型,最终对36个样本实现了准确率为97.2%的识别分类,且正确鉴别出3个未知样本。结果表明,利用差分拉曼光谱技术和决策树模型可实现对鞋底样本光谱较为准确的识别与分类,为其他物证的区分鉴别提供一定的参考。
激光与光电子学进展
2021, 58(08): 4
工程应用
魏煜宁  张劲东  李勇  苟立婷  
收起
摘要
针对雷达干扰识别决策树分类器设计需要人工介入的问题, 提出了一种基于模糊聚类、Xie-Beni指标和信息增益的决策树自动化设计方法。该方法首先对干扰信号在时域、频域和脉压后时域等维度建立参数特征集, 接着在决策树建立过程中引入模糊C均值聚类(FCM), 从而解决传统决策树需要先验知识设置判决门限的问题; 然后通过Xie-Beni指标动态确定决策树节点分支数, 优化决策树复杂程度; 最后使用基于信息增益的ID3算法建立模糊聚类决策树。该方法解决了干扰识别决策树的自动化设计问题, 且优化了决策树性能。计算机仿真及某雷达对抗实验数据验证了所提方法的有效性。
电光与控制
2020, 27(4): 82
成像系统
摘要
针对单模型评价图像质量容易产生过拟合的问题,提出基于多模型融合的高光谱图像质量评价算法。以图像噪声、模糊度和云含量为降质特征,建立遥感图像主观评价库,分别选用支持向量回归方法和集成决策树方法对带有评价值的训练集图像建立质量评价单模型。将两个单模型评价结果线性回归拟合,得到模型融合的图像质量评价结果。同时,以广义回归神经网络模型作为参照,分别从均方误差、回归拟合指标、分类准确率、训练时间4个方面对几种模型进行对比。实验结果表明,所提模型融合算法具有较高的拟合精度、较强的泛化能力,并且所需的训练时间相对较少。
激光与光电子学进展
2019, 56(2): 021101
红外技术及应用
摘要
针对降低移动式雷达/红外协同跟踪时的辐射风险问题,提出了一种移动式雷达/红外辐射控制的调度方法。首先,结合平台和目标的运动状态建立了目标跟踪模型,利用容积卡尔曼滤波预测跟踪精度;并引入辐射度影响建立了雷达辐射模型,给出了雷达辐射状态和系统辐射代价的预测方法;然后,以跟踪精度满足任务要求为约束条件,以长期辐射代价最小化为优化目标,构建了长期调度的目标函数;最后,针对求解时计算复杂度高的难题,设计了一种决策树搜索算法。仿真结果表明,文中所提调度方法与短期调度相比,具有更好的辐射控制效果,在决策步长为3时,其辐射代价下降了26.5%;且与固定位置调度比,文中方法能在改善跟踪性能的同时,降低辐射代价,在跟踪低速目标时,其跟踪误差和辐射代价分别下降了29.9%和30.5%。
红外与激光工程
2019, 48(9): 904004
光电测量
陈怀宇  尹达一  
收起
摘要
针对精细导星仪(Fine Guidance Sensor, FGS)姿态测量精度受星点提取系统误差影响的问题, 提出了一种基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)拟合法的高精度星点定位系统误差补偿方法。为了解决拟合样本少、输入特征差别大等问题, 采用对输入范围不敏感、易于训练的决策树作为基模型, 并根据当前模型拟合残差梯度, 结合集成学习中的提升方法生成新的基模型得到系统误差与探测器填充率、采样窗口尺寸、星斑束腰半径以及星点质心坐标计算值之间的函数关系, 以此函数关系为基础对星点质心坐标估计值进行系统误差校正。实验结果表明: 与支持向量回归机(Support Vector Regression, SVR)相比, 基于GBDT的高精度星点定位算法的误差减小了60.6%, 经该算法补偿后的质心误差为0.014 5 pixel, 相比于质心法误差减小了61.5%。
红外与激光工程
2019, 48(11): 1113005
应用技术
王鑫野  冯洁  李欣庭  
收起
摘要
为了快速检测马铃薯晚疫病,采用高光谱成像技术对马铃薯晚疫病的空谱信息进行对比研究以得到最佳判别手段。使用高光谱相机采集病害侵染0~6 d的高光谱图像,同时选取第6 d典型晚疫病病害的高光谱数据作为研究对象。采用二阶导数结合主成分分析和二次主成分分析分别从光谱和空间两个方面进行特征提取,之后基于特征波段反射率和主成分图像灰度值建立K最近邻分类算法、BP神经网络、决策树算法3种识别模型对不同时期病害进行识别。实验结果表明:基于二次主成分图像的灰度值结合BP神经网络建立的模型对马铃薯晚疫病的识别具有良好的成效,其识别率达96.6%。利用主成分图像灰度值建立的3种模型既减少了波段的冗余又提高了识别率,为研究和开发实时在线检测仪器提供了参考。
光学仪器
2019, 41(6): 26
刘焕军  孟祥添  王 翔  鲍依临  [ ... ]于滋洋  张新乐  
收起
摘要
土壤反射光谱综合反映了土壤的理化性质和内部结构, 高光谱遥感已被用于基于土壤反射光谱特性的土壤分类。 已有研究一般利用土壤反射光谱一阶微分主成分作为输入量进行光谱分类模型构建, 但主成分数据缺乏物理意义, 且缺乏对比性、 适用范围也有限。 与反射率一阶微分数据相比, 基于去包络线提取具有明确物理意义的特征参数, 能够提高土壤分类的精度, 并寻找到一种高精度土壤分类模型。 选取吉林省农安县的四种典型土壤(风砂土、 草甸土、 黑土、 黑钙土), 将采集后的土壤样本进行风干、 研磨、 过2 mm筛处理, 采用ASD FiledSpec3便携式光谱仪对处理后的土壤样本的可见光近红外光谱区进行测试, 从而获得土壤样本的光谱数据。 对光谱数据进行九点平滑、 10 nm重采样处理进行降噪, 将处理后的数据分别进行一阶微分主成分以及去包络线处理。 利用土壤样本的去包络线提取光谱特征参数。 以一阶微分主成分数据和光谱特征参数为输入量分别代入Logistic聚类模型(LR)、 人工神经网络聚类模型(ANN)、 K-均值聚类模型(K-means)。 首先明确了不同土类之间的反射光谱曲线、 去包络线的差异大小, 以及相同土壤的反射率曲线、 去包络线进行土壤分类的优劣, 并且在去包络线的基础上提取能够区分不同土类的光谱特征参数; 其次, 比较一阶微分主成分与光谱特征参数作为输入量时, 三种光谱分类模型精度差异并分析不同模型精度差异的原因。 结果表明: (1)四种土壤的反射光谱曲线差异较小, 去包络线可以极大的增强四种土壤在430~1 210 nm之间的光谱差异, 并在去包络线的基础上构建具有明确物理意义的光谱特征参数。 (2)将一阶微分主成分和光谱特征参数分别代入三种聚类模型可知, 以光谱特征参数为输入量的土壤光谱分类模型均超过了以一阶微分主成分为输入量的模型精度, 由于光谱特征参数保留了原数据的物理意义、 更准确的体现了不同土壤类型之间的差异性, 而一阶微分主成分数据带有一定的模糊性不同范围之间缺乏对比性, 在土壤分类中以光谱特征参数作为输入量更具有优势。 (3)在三类土壤分类模型中, LR的分类精度最高为76.67%, Kappa系数为0.56; ANN的分类精度中等为72.50%, Kappa系数为0.48; K-means的分类精度最低, 只有65.00%, Kappa系数为0.33。 研究成果可为土壤精细制图、 以及土壤分类仪器的研制提供技术支持。
光谱学与光谱分析
2019, 39(8): 2481
李志豪  沈 俊  边瑞华  郑 健  
收起
摘要
拉曼光谱设备在公安一线中正逐渐得到普及, 主要用于检测易燃易爆及易制毒化学品。 但在实际应用中, 一线人员不会对拉曼设备进行非常准确的使用和操作, 不具备专业知识条件的工作人员无法完全按照最佳条件进行检测, 经常会发生离焦、 偏移、 采样时间过短等一系列问题, 而检测结果也不可能完全符合标准测试库的算法, 给最终结果比对造成非常大的影响。 利用五种主流机器学习算法对实际检查、 办案过程中采集到的原始数据进行学习分类, 通过比较相应的准确度将最佳算法用于改善一线执法、 检查过程中拉曼光谱设备的准确性。 采集的数据均来自于公安部第三研究所自行研制的EVA3000型拉曼光谱仪, 该光谱仪目前已在全国各省、 市、 地、 县进行了一定的配备, 一线检测人员会定期将采集的原始数据回传到EVA3000的后台管理系统。 通过该管理系统, 在线收集实际检查过程中产生的原始数据, 以两类易制毒化学品和易燃易爆化学品为例, 随机抽取已定性判定的苯乙酸、 二氯甲烷、 麻黄碱和硝基苯各40例共计160例, 并分别利用决策树、 随机森林、 AdaBoost、 支持向量机和人工神经网络算法各进行40, 60, 100, 150, 200, 300和500次的交叉训练、 预测、 求取平均准确度。 从实验结果可以看出, 在五种学习算法中, 对于实际样本的预测准确度排序大致为随机森林≈AdaBoost>决策树>SVM>人工神经网络。 实际测试的结果与实验过程中的平均预测准确度大体一致。 其中随机森林与AdaBoost的准确度相近, 其原因在于两者的算法本质都是不断构建新的训练数据集并提高对于错误样本在下次学习中的权重, 而SVM 和人工神经网络算法的本质都是基于感知器的算法。 可见目前几种主流学习算法中, 采用自举汇聚(bootstrap aggregating)方式的算法更适应于对实际样本的采样学习, 其准确度也较高。 在下一步的工作当中, 将继续优化现有的算法, 将其实现在后台管理系统上, 并测试算法对于目前检测中无法定性物质的在线检测功能。 该结果对于进一步将机器学习算法用于实际应用、 在线分析, 改善一线操作人员非正确使用设备对比对结果造成影响, 具有重要意义。
光谱学与光谱分析
2019, 39(7): 2171
周孟然  李大同  胡 锋  来文豪  [ ... ]王 亚  朱 松  
收起
摘要
矿井突水是影响矿井安全生产的重要因素之一, 如果矿井发生突水, 能够快速、 准确地判别突水水源类型是治理矿井突水灾害保证生产安全的重要环节, 因此, 建立一个能够快速识别矿井突水水源的模型具有重要的意义。 水化学分析法作为在传统的矿井突水水源类型识别方法里应用最为广泛的识别方法, 通过获得相应的pH值、 离子浓度、 电导率等参数, 然后利用这些参数来建立突水水源的类型识别模型对矿井突水的类型进行判别。 针对这种传统矿井突水水源识别方法在判别时间上耗时长和识别准确率低等不足, 鉴于LIF技术具有分析速度快、 灵敏度高等优点, 提出了将线性判别分析(LDA) 算法作为弱分类器的自适应提升(AdaBoost) 算法用于激光诱导荧光(LIF) 光谱识别矿井突水水源的新方法。 用于实验的九种水样(每种水样各取50个样本) 由淮南地区某矿的老空水、 灰岩水以及按不同比例混合的老空水与灰岩水的七种混合水构成。 将405 nm激光器发射的激光打入被测水体并采集荧光光谱数据, 然后对采集到450组荧光光谱数据进行分析, 取其中360组光谱数据(每种水样各40组) 用作训练集, 取剩余90组光谱数据用作测试集。 分别选取三种算法针对水样的激光诱导荧光光谱的分类进行了建模并将三种结果进行对比。 首先利用决策树算法对光谱进行分类识别, 在节点个数为8时决策树对测试集的分类效果最好, 分类准确率达到91.11%。 然后针对决策树算法分类效果的不足, 利用决策树算法作为弱分类器的AdaBoost算法, 当选取节点个数为9的决策树作为弱分类器的时, 对训练集的分类准确率为97.78%。 最后针对基于决策树的AdaBoost算法的泛化性能不足和为了获得更好的分类效果, 提出了基于LDA算法作为弱分类器的AdaBoost算法, 在设置迭代次数为150后对水样光谱数据分类准确率可以达到100%。 通过实验结果可以发现, 集成学习算法的分类能力比传统的分类算法对水样的光谱的分类识别能力更强, 相较于同为九个节点的决策树算法, 采用节点数为9的决策树作为弱学习器的AdaBoost算法对测试集的分类准确率从88.89%提升到了97.78%, 对训练集的分类准确率从99.72%提升到了100%; 然后可以发现相对于使用决策树作为弱分类器的AdaBoost算法, 采用LDA算法作为AdaBoost算法的弱分类器对水样的光谱的测试集的分类准确率从97.78%提升到了100%, 对训练集的分类准确率达到100%, 具有更好的识别效果, 并且具有更好的泛化性能。 实验结果证明采用Adaboost-LDA算法为激光荧光光谱的模式分类用于矿井突水水源的判别和预警是可行且有效的。
光谱学与光谱分析
2019, 39(2): 485
李明阳  范 萌  陶金花  苏 林  [ ... ]吴 桐  陈良富  张自力  
收起
摘要
激光探测对于获取云和气溶胶的垂直廓线, 研究大气中云和气溶胶的垂直分布特征以及对全球气候变化的影响意义重大。 而星载大气激光雷达云气溶胶分类算法的研究, 对于激光雷达数据的参数反演及应用极为重要。 针对激光条件下探测的云和气溶胶特有的光学信息和空间分布, 结合概率统计与机器学习算法, 提出了一种对于云/气溶胶、 云相态及气溶胶子类型识别的分类算法, 实现了星载激光雷达的大气特征层快速、 有效分类。 算法采用中国地区2016年CALIOP的观测数据作为样本数据, 主要由三部分组成: (1) 基于激光探测的云和气溶胶层不同的光学特性以及地理空间分布特征, 分别构建了云和气溶胶的γ532, χ, δ, Z和lat的五维概率密度函数, 以此为基础构建云气溶胶的分类置信函数, 并基于此实现了云和气溶胶类型的反演; (2) 选取支持向量机(SVM)作为随机朝向冰晶粒子(ROI)和水云分类的算法模型基础, 结合云层的γ532, χ, δ Z和云顶温度T的概率密度函数构建ROI, 水平朝向冰晶粒子(HOI)和水云的分类置信函数以修正SVM误分的特征层以及筛选出水云中少部分的HOI冰云, 获得云相态的分类结果; (3) 以各气溶胶子类型的光学以及空间分布特性为基础, 采用决策树策略的气溶胶子类型识别算法实现了对气溶胶子类型的区分, 完成气溶胶子类型的识别。 利用现有CALIOP观测结果作为样本数据构建分类数据库, 避免了对于地面以及航测数据的依赖, 而机器学习则大大简化了算法的实现过程, 使得云气溶胶分类更加高效。 算法结果与正交极化云气溶胶激光雷达垂直特征层分布数据(CALIPSO VFM)产品对比分析: 云层有98.51%一致性, 气溶胶有88.43%的一致性, 且白天比夜间一致性高。 对于云相态分类, 可以有效区分出水云和冰云, 其中二者水云一致性高达93.44%。 在气溶胶子类型反演结果中, 可以准确识别出大多数气溶胶特征层子类型。 霾、 沙尘以及晴空三种典型情况下的反演结果均与CALIOP VFM产品数据具有较好的一致性。 其中, 霾天的大部分煤烟型以及污染型(污染沙尘以及污染大陆) 气溶胶反演结果与VFM具有较好的一致性。 沙尘天也能够获得较好的沙尘以及污染沙尘的结果。 晴空为数不多的气溶胶层也取得了较为一致的结果。 对于实现的星载大气激光雷达特征层分类算法, 针对CALIOP激光测量的云气溶胶层的分类进行了重要的改进, 在保证一定精度的基础上, 简化了算法, 提高了数据处理的效率, 在下一步工作中, 将分别构建不同时段和季节的分类模型以及提高两种不同偏振特性的冰云和气溶胶子类型的分类精度。
光谱学与光谱分析
2019, 39(2): 383
12
00 11