收藏本站
《中南大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

基于蚁群算法和支持向量机的矿化蚀变信息提取研究

薛云  
【摘要】: 传统地质找矿方法往往是通过地面调查来圈定蚀变带,耗费大量的人力、物力。通过遥感数据提取矿化蚀变信息,获取蚀变岩的空间分布特征,一直是遥感找矿工作的重要研究内容。但是由于矿化蚀变信息在遥感图像上是一种弱信息,使用传统的信息提取方法效果往往不尽人意。因此,研究有效的遥感矿化蚀变信息提取新技术新方法,提高遥感找矿的可信度和效益,具有非常重要的科学和现实意义。 蚁群算法(Ant colony optimization algorithm,ACO)是一种模拟自然界蚂蚁集体寻径行为的全新仿生进化算法,具有离散性、并行性、鲁棒性、正反馈性等特点。由于其概念简明、实现方便,迅速得到相关科技人员的认可。支持向量机(Support vector machine,SVM)是机器学习领域的研究热点,并在很多方面都得到了成功的应用。 结合国土资源地质大调查项目“全波段定量化遥感技术及其在资源环境调查中的应用研究”(工作项目编码:1212010660601)的子工作项目“矿产资源遥感综合信息提取技术与找矿应用研究”,以青海黄南州同仁—泽库地区作为研究区,开展了基于蚁群算法和支持向量机的矿化蚀变信息提取方法的研究。取得的主要成果如下: (1)提出利用蚁群算法对SVM主要参数进行搜索。SVM分类器模型中参数的选取,对分类器的性能产生较大的影响,为避免传统的网格搜索参数带来的时间消耗和搜索范围难于确定问题,提出利用蚁群算法对主要参数进行搜索。通过蚁群参数优化和网格搜索参数优化的仿真实验,表明:蚁群参数优化算法比网格搜索算法能更快更优的搜索到SVM的主要参数。 (2)建立了基于主成分分析的支持向量机矿化信息提取模型。针对传统矿化信息提取方法需要大量样本,且样本选取困难的缺陷,提出利用主成分分析和支持向量机原理,建立矿化信息提取模型。既解决了SVM样本选取困难的问题,又克服了传统的统计方法只有在样本数量趋于无穷大时才能有理论上保证的缺陷,保证了矿化信息提取的精度。通过实地验证和与已知矿点叠加分析,表明该方法是一种有效的蚀变信息提取方法。 (3)提出基于纹理和光谱的SVM矿化信息提取方法。综合考虑了基于像素的光谱和基于空间特性的纹理和结构信息,充分利用了现有的遥感资料光谱分辨率和空间分辨率,克服了传统上只利用光谱或者只利用纹理,信息量相对较少的局限,保证了SVM矿化样本选取的精度。通过所提取的遥感蚀变异常信息与原有矿区叠加分析,叠加基本吻合:从野外实地验证来看,均发现了不同程度的矿化现象,并指出了3个重点异常区。 (4)提出基于蚁群算法的光谱分解方法,来剔除植被等干扰信息。首次将蚁群这种全新的算法引入到遥感地质领域。基于蚁群算法的光谱分解方法,综合考虑传统的光谱分解植被剔除方法处理速度慢和蚁群算法识别目标速度快的特点,通过残差图分析以及原图与剔除植被后影像对比分析,初步验证了基于蚁群算法的光谱分解方法来剔除植被信息的可行性。 (5)首次结合蚁群算法与遥感地质领域应用较成熟的比值方法,建立泥化蚀变信息提取模型。选取青海黄南州阿哇地区为研究区。首先确定泥化蚀变信息提取规则:然后建立基于蚁群的泥化蚀变信息提取模型;最后根据模型提取泥化蚀变信息。通过叠加分析及野外实地验证,表明:效果良好。
【学位授予单位】:中南大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:P627;TP75

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 梁爽;张立坡;;熵权核函数支持向量机[J];科技致富向导;2011年20期
2 吕琦;;基于SVM的股票时间序列的预测研究[J];吉林工程技术师范学院学报;2011年07期
3 邹海洋;;蚁群算法在智能交通系统中的应用[J];科技信息;2011年19期
4 王慧勤;雷刚;;基于LIBSVM的风速预测方法研究[J];科学技术与工程;2011年22期
5 贾志先;;基于支持向量机的空白试卷识别方法[J];山西大学学报(自然科学版);2011年03期
6 赵亚楠;李钢虎;曾渊;;基于最小均方无失真响应和支持向量机的被动声纳目标识别[J];声学技术;2011年03期
7 郭金玲;樊东燕;;基于SVM的山西省旅游需求预测与分析[J];电脑开发与应用;2011年09期
8 李国凤;;基于支持向量机的上市公司财务危机预警研究[J];科技信息;2011年22期
9 付晓刚;张希雨;;基于蚁群算法的含水层参数识别方法[J];中国农村水利水电;2011年09期
10 李明;;蚁群算法在土地利用结构优化模型中的应用[J];安徽农业科学;2011年14期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
5 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
6 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
7 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
8 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
9 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
10 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
中国重要报纸全文数据库 前10条
1 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
2 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
3 李水根;计算机详解配伍与药效关系[N];健康报;2005年
4 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
5 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
6 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
7 ;选择合适的数据挖掘算法[N];计算机世界;2007年
8 周颖;王米渠与中医心理学[N];中国中医药报;2006年
9 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
10 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
中国博士学位论文全文数据库 前10条
1 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
2 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
3 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
4 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
5 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
6 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
7 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
8 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
9 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
10 朱燕飞;锌钡白回转窑煅烧过程智能建模研究[D];华南理工大学;2005年
中国硕士学位论文全文数据库 前10条
1 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
2 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
3 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
4 沈杰;基于蚁群算法的中文文本聚类研究[D];杭州电子科技大学;2009年
5 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
6 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
7 艾凌云;基于蚁群算法和粗糙集方法的聚类分析研究[D];南昌大学;2010年
8 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
9 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
10 李超;基于改进蚁群算法的露天矿运输系统优化研究[D];辽宁工程技术大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026