国家自然科学基金(61179025)
- 作品数：10 被引量：29H指数：4
- 相关作者：张清河陈将宏徐飞朱国强程智辉更多>>
- 相关机构：三峡大学武汉大学更多>>
- 发文基金：国家自然科学基金湖北省教育厅重点项目湖北省教育厅自然科学基金更多>>
- 相关领域：自动化与计算机技术理学电子电信医药卫生更多>>
- 微扰法结合最小二乘支持向量机反演土壤湿度被引量：1
- 2015年
- 将最小二乘支持向量回归技术应用到土壤湿度反演研究.利用微扰法数值模拟不同雷达参数下裸露土壤微波后向散射特性.经过数据敏感性分析,选取雷达频率为L波段(1.4GHz),双入射角(40°、50°),并设计多种反演方案,分别以单极化、双极化及同极化后向散射系数比值作为微波信号样本信息,经过适当的训练,利用最小二乘支持向量回归技术对土壤含水量进行了反演研究.结果表明:当采用多入射角、同极化后向散射系数比值作为微波信号样本信息时,反演结果具有较高的精度.同时,经过与人工神经网络结果比较,证明了该方法的有效性及抗噪声能力,为土壤湿度的实时反演研究提供了一种新方法.
- 张清河徐飞邹启源
- 关键词：微扰法最小二乘支持向量机
- 基于支持向量机的复合柱体目标参数反演被引量：5
- 2012年
- 用支持向量机(support vector machine,SVM)结合双共轭梯度-快速傅里叶变换方法(BCG-FFT)重构二维金属/介质复合结构柱体目标参数。采用BCG-FFT方法数值模拟复合结构目标的散射特性,以散射电场作为训练样本提供给支持向量机学习,经过适当的离线训练,建立支持向量机逆散射模型,实时重构了复合柱体目标的几何、电磁参数;在相同的条件下,采用人工神经网络(artificial neural net-works,ANN)方法对复合目标参数也进行了重构;比较分析了训练样本信息的差异对支持向量机重构精度的影响。与ANN方法的结果比较表明:支持向量机方法能有效地用于复合结构目标参数反演,且具有较高的精度。
- 张清河汪洋陈将宏
- 关键词：金属支持向量机
- 一阶Born近似下的不均匀目标贝叶斯压缩感知微波成像方法被引量：4
- 2020年
- 针对不均匀散射体重构问题,提出了一种基于Born近似下的贝叶斯压缩感知微波成像方法。在一阶Born近似框架下,基于电场积分方程并对成像区域网格离散建立稀疏感知模型,然后构造基于高斯先验的贝叶斯概率密度函数,并利用相关向量机方法对目标函数进行优化求解,最终实现对目标的微波成像。通过对多像素单目标、不均匀单目标、不均匀多目标等的微波成像研究并考虑了噪声影响,数值算例结果表明基于高斯先验的贝叶斯压缩感知方法重构结果要优于共轭梯度迭代算法和正交匹配追踪压缩感知重构算法,验证了文中方法的有效性和鲁棒性。
- 于士奇张清河覃琴王习东
- 关键词：微波成像共轭梯度
- 一种裸露土壤湿度反演方法被引量：2
- 2016年
- 针对目前土壤湿度反演方法研究较少且缺少实时性的现状,该文提出一种土壤湿度反演方法——最小二乘支持向量机技术。以积分方程模型为正向算法,数值模拟不同雷达参数(频率、入射角及极化)下后向散射系数随土壤含水量和地表粗糙度的变化情况。经过数据敏感性分析,选取C-波段和X-波段、小入射角下的同极化后向散射系数作为支持向量回归的训练样本信息;经过适当的训练,利用支持向量回归技术对土壤含水量进行了反演研究;并考虑通过多频率、多极化、多入射角数据的组合,消除地表粗糙度的影响,提高反演精度。模拟结果表明,该方法反演土壤湿度具有较高的精度和较好的实时性;同时,与人工神经网络方法的结果比较,证明了该方法的有效性,为土壤湿度的反演研究提供了一种方法。
- 张清河徐飞朱国强
- 关键词：最小二乘支持向量机人工神经网络
- 基于支持向量机的粗糙海面风速及海表盐度反演研究
- 2016年
- 将支持向量机(Support Vector Machine,SVM)回归技术应用到海况参数(如海表盐度、海面风速等)反演研究.利用双尺度模型(Two-Scale Model,TSM)作为前向电磁算法,数值模拟不同雷达参数下风驱粗糙海面微波后向散射系数,经过敏感性分析,选取L波段(1.4GHz)、C波段(6.8GHz)及其合适的入射角作为雷达参数,并设计多种反演方案,分别以单频率双极化双角度、双频率双极化双角度及双极化后向散射系数的比值作为SVM的训练样本数据信息,经过适当的训练,利用SVM回归技术对海洋表面风速和盐度进行了反演研究.研究结果表明,针对于海面风速的反演,C波段的反演精度最高,针对于海表盐度的反演,L波段同极化散射系数比值作为SVM输入的反演精度较高.最后,检验了SVM反演方法的抗噪声性能,表明文中提出的SVM方法能较好地应用于实际海况参数反演问题.
- 张清河梁伟博
- 关键词：支持向量机反演海面风速
- 基于概率神经网络的乳腺癌计算机辅助诊断被引量：11
- 2012年
- 由于癌细胞多形性,细针吸取细胞学检查存在局限性,辩识能力不足,造成误诊。为进一步提高乳腺癌辅助诊断的准确性,提出了一种基于概率神经网络的乳腺癌辅助诊断方法。首先建立基于概率神经网络的分类模型,其次确定网络的训练集和测试集,接着找出最优的径向基函数分布密度,最后计算5-折交叉验证的测试准确度,并对仿真方法和结果进行了检验。将仿真结果和检验结果与已有文献中所得出的结果进行对比分析,表明用概率神经网络进行乳腺癌的辅助诊断,具有准确度高,诊断用时少,易于实现等优点,说明了其在乳腺癌计算机辅助诊断方面的可行性和优越性。
- 程智辉陈将宏
- 关键词：概率神经网络乳腺癌计算机辅助诊断
- 支持向量机在雪地环境中的参数反演被引量：2
- 2016年
- 针对传统雪地环境参数反演方法中模型复杂、未知参量多、网络拓扑结构难确定等问题,提出了一种基于最小二乘支持向量回归技术的雪地环境土壤湿度和雪层厚度的反演方法。首先根据雪地环境建立了分层粗糙介质微波散射模型,利用微扰法得出其后向散射系数;然后进行数据敏感性分析,选取雷达频率为1.27GHz(L波段)、双入射角(42°和53°),设计了两种反演方案,分别为单极化和双极化的方式作为微波信号样本信息,经过适当的训练,利用最小二乘支持向量机反演土壤湿度和雪层厚度。结果表明:用多入射角、双极化时,反演结果具有较高的精度;在加噪的情况下,用多入射角、双极化时,该方法的反演结果保持了较好的抗噪能力,为雪地环境中土壤湿度和雪层厚度的反演研究提供了一种可行的方法。
- 梁博张清河王燕
- 关键词：微扰法后向散射系数土壤湿度最小二乘支持向量机
- FDTD结合支持向量机反演各向异性材料电磁参数被引量：1
- 2015年
- 以各向异性材料的散射问题的正演算法(FDTD)作为基础,利用机器学习方法——支持向量机对各向异性材料电磁参数进行了反演研究。以各向异性介质球的雷达散射截面(RCS)作为训练样本信息,经过支持向量机适当的训练,实时重构了各向异性介质球的相对介电常数和电导率。与此同时,还给出了利用BP神经网络方法反演的结果,显示了该方法的有效性和准确性。
- 张清河陈海涛朱国强
- 关键词：各向异性材料支持向量机
- 数据缺失情况下基于支持向量机的心脏病诊断被引量：4
- 2017年
- 为在数据缺失的情况下进行心脏病诊断并获得较高的准确率,对缺失值进行处理后,利用径向基函数支持向量机,采用交叉验证和网格搜索寻找最佳惩罚参数和关联参数,对UCI Heart数据集进行分类,多分类准确率为81.89%,二分类准确率为89.61%.仿真结果表明,支持向量机网络模型性能稳定,样本追加能力强,训练时间短,分类效果好,在心脏病等医疗诊断中有很大的应用潜力.
- 陈将宏万华舰张清河
- 关键词：缺失值支持向量机心脏病
