大气与环境光学学报
2023, 18(3): 258
大连海事大学 信息科学技术学院, 辽宁 大连 116026
为进一步提高动态目标室内可见光定位追踪系统性能, 提出了一种基于随机森林(RF)算法的室内可见光指纹定位方法。利用发光二极管(LED)的光强信号作为特征构建指纹数据库, 应用指纹库中的数据训练决策树, 引入RF算法进行初始定位, 再通过卡尔曼滤波对初始位置估计进行优化, 从而获得更准确的定位轨迹。仿真结果表明: 在5 m×5 m×3 m的室内场景下, 通过所提定位方法能获得大部分采样点误差分布在4 cm之内的定位效果; 此外, 通过与不同室内可见光定位算法的性能进行对比, 验证了所提算法的技术优势。
室内可见光定位 随机森林算法 指纹定位 卡尔曼滤波 接收信号强度 indoor visible light positioning, random forest al
1 安徽大学 农业生态大数据分析与应用技术国家地方联合工程技术研究中心,安徽 合肥 230601
2 北京农业信息技术研究中心,北京 100097
3 宿州学院 信息工程学院,安徽 宿州 234000
快速、准确地掌握作物空间分布,估算不同作物种植面积及范围,这对制定宏观农业政策并指导农民进行农业生产具有重要意义。以我国内蒙古自治区扎赉特旗现代农业示范园区为研究区域,基于2019年5月至10月共9景多时相Sentinel-2卫星遥感影像,通过计算并分析不同作物归一化差值植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)等多种典型植被指数和近红外波段Ref(NIR)的时序变化特征,采用随机森林(Random Forest, RF)、决策树(Decision Tree, DT)、支持向量机(Support Vector Machine, SVM)和最大似然法(Maximum Likelihood, ML)4种分类方法对研究区多种作物进行分类识别,成功提取园区内主要作物(水稻、玉米、甜叶菊、旱稻和大豆等)空间分布情况。将RF结果与DT、SVM和ML分类结果对比,结果显示,RF总体分类精度最高,达到95.8%,Kappa系数为0.944;DT、SVM和ML分类精度分别为92.2%、91.6%和86.5%。上述研究结果表明,多时相Sentinel-2遥感影像经过光谱指数时序变化特征提取后,利用随机森林算法进行作物分类可得到精度较高的结果,这为精细指导规模化园区农业生产提供了有效的技术支持。
随机森林算法 近红外波段 时间序列 Sentinel-2 作物分类 random forest Ref (NIR) time-series Sentinel-2 crop classification 红外与激光工程
2021, 50(5): 20200318
高光谱图像技术在农产品检测及识别方面有广阔的应用前景。 野生黑枸杞经济效益显著, 经常被种植黑枸杞冒充。 提出一种利用高光谱图像对野生黑枸杞无损快速识别的方法。 主要内容和结果如下: (1)共采集256份(野生、 种植各128份)黑枸杞在900~1 700 nm范围的高光谱反射光谱, 每份平均光谱作为此样品的光谱; (2)采用标准正态变换(SNV)对采集的光谱预处理; 基于Kennard-Stone法, 按照校正集和预测集比例为2:1对样品划分, 用连续投影算法(SPA)对光谱进行降维处理, 提取特征波长30个; 分别将全光谱和SPA 提取的30个特征波长作为模型输入, 建立支持向量机(SVM)、 极限学习机(ELM)和随机森林(RF)识别模型。 (3)结果表明, 在识别野生黑枸杞模型中, 基于全光谱和SPA建立的SVM, ELM和RF模型校正集识别率均高于98.8%, 基于全光谱和SPA建立的SVM, ELM和RF模型预测集识别率均高于97.7%。 基于全光谱(FS)建立的三种识别模型略优于基于SPA建立的三种识别模型。 但从简化模型方面, SPA提取的特征波常数仅为全光谱的11.8%, 大大降低了模型运算量。 三种模型中, 基于随机森林模型无损识别野生黑枸杞效果最好, 均达到100%。 研究表明, 利用高光谱图像技术结合分类模型可快速识别野生黑枸杞。
野生黑枸杞 高光谱图像 支持向量机 极限学习机 随机森林算法 Wild black Goji berry Hyperspectral image technology Support vector machine Extreme learning machine Random forest
为了提高雷达调制信号在电子对抗环境中的分选准确度,建立了基于偏联系数模糊聚类(PCFCM)算法和教与学随机森林(TLRF)算法的雷达调制信号分选(PCFCM-TLRF)模型。该模型引入偏联系数(PCN)改进K均值聚类(K-means)算法,优化模糊C均值聚类(FCM)算法,用优化后的FCM算法对信号样本集进行预处理;使用“教与学”优化(TLBO)算法优化随机森林(RF)算法,使优化后的RF算法能够以更低的复杂度构成更优的分类器;将预处理后的样本作为TLRF中的训练样本实现信号分选。研究结果表明,与其他分选模型相比,PCFCM-TLRF模型具有更高的分选准确度,能够有效地实现雷达调制信号的分选。
遥感 信号分选 偏联系聚类算法 教与学随机森林算法 集对分析 激光与光电子学进展
2019, 56(6): 062804
青岛农业大学农学与植物保护学院/山东省旱作农业技术重点实验室, 山东 青岛 266109
数字图像分析技术因其高效、 快速等特点, 已被广泛应用于作物长势和氮素营养状况的无损监测领域。 获取作物冠层覆盖度及可见光光谱亮度值及其衍生的色彩指数, 需要从作物冠层图像中准确分割出作物图像。 研究以冬小麦与背景(土壤)在可见光波段反射率的差异为依据, 利用基于CIEL*a*b*色彩空间a*分量的最大类间方差法和基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法对冬小麦冠层图像进行了分割, 并比较了图像分割精度。 结果表明, 三种方法均具有较高的分割精度, 其中基于随机森林算法的图像分割效果明显好于最大类间方差法, 而基于sRGB和CIEL*a*b*两个色彩空间的随机森林算法的图像分割效果差异较小。 研究结果表明, 随机森林算法可直接利用冠层图像可见光波段的三个色彩分量(R, G和B)分割冬小麦冠层图像。
可见光光谱 随机森林算法 最大类间方差法 冠层图像 分割 Visible spectrum Random forest algorithm Otsu’s method Canopy image Segmentation 光谱学与光谱分析
2015, 35(12): 3480