基于Boosting算法和支持向量机的洪水预报方法

    公开(公告)号:CN105139093B

    公开(公告)日:2019-05-31

    申请号:CN201510564457.X

    申请日:2015-09-07

    Applicant: 河海大学

    CPC classification number: Y02A10/46

    Abstract: 本发明公开了一种基于Boosting算法和支持向量机的洪水预报方法,该方法包括如下步骤:运用相关系数法确定预报因子;利用核主成分分析对所述预报因子进行降维处理;利用Boosting算法选取样本建立多个支持向量机预测模型,引入损失函数和相关系数调整样本权重,最后组合为一个总预测模型;利用所述总预测模型对测试样本进行预测。本发明前两个步骤是数据预处理,目的是提取洪水数据中的有用信息,消除冗余信息对预报造成的干扰。第三个步骤将Boosting算法引入到洪水预报中,尽量将前一个模型不能很好学习的样本,抽取出来用于训练下一个模型,这样组合后的模型可以有效提高洪水预报准确率,最后一个步骤用于检验模型效果。实验数据表明本方案能很好地提高预报精度。

    水文资料图像分割方法
    3.
    发明授权

    公开(公告)号:CN103971367B

    公开(公告)日:2017-01-11

    申请号:CN201410175334.2

    申请日:2014-04-28

    Abstract: 本发明公开了一种纸质水文资料拍摄得到的水文资料图像的分割方法,属于图像处理技术领域。本发明方法基于梯度和颜色信息融合,首先利用图像LAB空间上的颜色分量特征分割出曲线;然后进行分块处理,利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点,统计这些像素点的颜色信息,利用颜色分量关系对网格线进行初步提取,之后加入水平和垂直方向的腐蚀,合并两方向的结果得到最终的网格二值化图像;最后将曲线图像和网格图像合并后得到水文资料图像的分割结果。对多幅水文图像进行分割的实验结果表明,该方法能自适应地完成对多幅图像有效的分割,并且能够减少相机拍摄光照不均的影响,有较好的鲁棒性和较低的计算复杂度。

    基于传播时间聚类分析的多模型集成洪水预报方法

    公开(公告)号:CN103729550B

    公开(公告)日:2016-08-17

    申请号:CN201310699773.9

    申请日:2013-12-18

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于传播时间聚类分析的多模型集成洪水预报方法,属于水文预报技术领域。首先采用派生的动态时间弯曲匹配方法进行洪水过程相似性分析,估计上下游各站点的流量传播时间,并通过对流量传播时间进行聚类分析将样本分解为若干簇,然后分别对子流量序列建立SVM回归模型模拟洪水形成过程,最后再将这些子模型合并成一个综合模型。将该方法的综合预测结果与常规条件下的单一模型和基于流量聚类的模型预测结果相比较,结果显示该模型综合表现更佳。

    一种基于嵌入式索引的水文时间序列相似性搜索方法

    公开(公告)号:CN105069093B

    公开(公告)日:2018-07-24

    申请号:CN201510475456.8

    申请日:2015-08-05

    Applicant: 河海大学

    CPC classification number: Y02A10/46

    Abstract: 本发明公开了一种基于嵌入式索引的水文时间序列相似性搜索方法,按如下步骤进行:离线准备阶段对原始时间序列中的每个位置,计算对应的嵌入式索引向量,离线准备阶段实现了水文时间序列洪峰分割,串行聚类,初始参考序列集生成,参考集训练和时间序列嵌入索引计算;在线搜索阶段利用查询序列和参考集序列进行索引向量的计算,在原始序列的嵌入式索引欧氏向量空间中搜索,找到比较相似的点作为候选点集合,对候选点精炼后进行原始DTW度量,找到最终的相似序列。本发明将相似性搜索映射到欧氏向量空间中进行搜索,很大程度上提高了搜索效率。

    基于Boosting算法和支持向量机的洪水预报方法

    公开(公告)号:CN105139093A

    公开(公告)日:2015-12-09

    申请号:CN201510564457.X

    申请日:2015-09-07

    Applicant: 河海大学

    CPC classification number: Y02A10/46

    Abstract: 本发明公开了一种基于Boosting算法和支持向量机的洪水预报方法,该方法包括如下步骤:运用相关系数法确定预报因子;利用核主成分分析对所述预报因子进行降维处理;利用Boosting算法选取样本建立多个支持向量机预测模型,引入损失函数和相关系数调整样本权重,最后组合为一个总预测模型;利用所述总预测模型对测试样本进行预测。本发明前两个步骤是数据预处理,目的是提取洪水数据中的有用信息,消除冗余信息对预报造成的干扰。第三个步骤将Boosting算法引入到洪水预报中,尽量将前一个模型不能很好学习的样本,抽取出来用于训练下一个模型,这样组合后的模型可以有效提高洪水预报准确率,最后一个步骤用于检验模型效果。实验数据表明本方案能很好地提高预报精度。

    基于多特征VP树索引的遥感图像检索方法及装置

    公开(公告)号:CN104239551A

    公开(公告)日:2014-12-24

    申请号:CN201410493790.1

    申请日:2014-09-24

    Applicant: 河海大学

    CPC classification number: G06F17/30247

    Abstract: 本发明公开了一种基于多特征VP树索引的遥感图像检索方法,属于遥感图像检索技术领域。本发明针对遥感图像检索中的特征有效性选择,提出了一种基于VP树索引的索引有效性指标——基于距离对比度的索引有效性指数(distance-contrast-based indexing validation index,DCIVI),将与查询对象距离较近的环形区域内的子图像作为最近邻集合,落入另一环形区域内的子图像作为最远邻集合,通过计算这两个集合之间的距离对比度来分析特定特征空间对应VP树索引返回最近邻集合的有效性,利用该指标可自适应地选择最适合描述图像内容的特征,不但提高了遥感图像的检索速度,检索质量(查全率和查准率)也得到了明显改善。本发明还公开了一种基于多特征VP树索引的遥感图像检索装置。

    水文资料图像分割方法
    9.
    发明公开

    公开(公告)号:CN103971367A

    公开(公告)日:2014-08-06

    申请号:CN201410175334.2

    申请日:2014-04-28

    Abstract: 本发明公开了一种纸质水文资料拍摄得到的水文资料图像的分割方法,属于图像处理技术领域。本发明方法基于梯度和颜色信息融合,首先利用图像LAB空间上的颜色分量特征分割出曲线;然后进行分块处理,利用梯度算子在水平和垂直方向分别判别属于网格线上的目标像素点,统计这些像素点的颜色信息,利用颜色分量关系对网格线进行初步提取,之后加入水平和垂直方向的腐蚀,合并两方向的结果得到最终的网格二值化图像;最后将曲线图像和网格图像合并后得到水文资料图像的分割结果。对多幅水文图像进行分割的实验结果表明,该方法能自适应地完成对多幅图像有效的分割,并且能够减少相机拍摄光照不均的影响,有较好的鲁棒性和较低的计算复杂度。

    基于多特征VP树索引的遥感图像检索方法及装置

    公开(公告)号:CN104239551B

    公开(公告)日:2017-04-19

    申请号:CN201410493790.1

    申请日:2014-09-24

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于多特征VP树索引的遥感图像检索方法,属于遥感图像检索技术领域。本发明针对遥感图像检索中的特征有效性选择,提出了一种基于VP树索引的索引有效性指标——基于距离对比度的索引有效性指数(distance‑contrast‑based indexing validation index,DCIVI),将与查询对象距离较近的环形区域内的子图像作为最近邻集合,落入另一环形区域内的子图像作为最远邻集合,通过计算这两个集合之间的距离对比度来分析特定特征空间对应VP树索引返回最近邻集合的有效性,利用该指标可自适应地选择最适合描述图像内容的特征,不但提高了遥感图像的检索速度,检索质量(查全率和查准率)也得到了明显改善。本发明还公开了一种基于多特征VP树索引的遥感图像检索装置。

Patent Agency Ranking