有哪些信誉好的足球投注网站- 1、本文档共6页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE
1-
一种基于极限学习机的高分一号黄东海绿潮遥感探测方法[发明专利]_百
一、背景介绍
(1)随着全球气候变化和人类活动的影响，海洋生态环境问题日益突出，其中绿潮现象已成为全球性的海洋生态灾害之一。绿潮是指海洋中某些浮游植物过度繁殖，导致水体颜色异常，严重时会对海洋生态系统、渔业资源以及沿海地区的人类活动造成严重影响。黄东海作为我国重要的海洋生态系统之一，近年来绿潮现象频发，对海洋生态环境和渔业生产造成了巨大损失。
(2)遥感技术作为一种非接触式、大范围、快速获取海洋环境信息的方法，在绿潮监测和预警中发挥着重要作用。高分一号卫星是我国自主研发的高分辨率对地观测卫星，具有高时间分辨率、高空间分辨率和宽覆盖范围的特点，为绿潮遥感监测提供了有力支持。然而，由于绿潮现象的复杂性和遥感数据的多样性，传统的遥感探测方法在绿潮识别和监测中存在一定的局限性。
(3)极限学习机（ExtremeLearningMachine，ELM）是一种新兴的机器学习算法，具有训练速度快、泛化能力强等优点。近年来，ELM在图像识别、信号处理等领域得到了广泛应用。本研究旨在将ELM应用于高分一号黄东海绿潮遥感探测，通过构建基于ELM的绿潮遥感探测模型，实现对黄东海绿潮的快速、准确识别，为绿潮预警和治理提供科学依据。
二、极限学习机基本原理
(1)极限学习机（ExtremeLearningMachine，ELM）是一种单隐层前馈神经网络，由Huang等人在2006年提出。ELM的核心思想是构建一个具有单隐层的神经网络，通过随机选取输入层到隐层的连接权值和偏置，使得网络输出层能够逼近任意非线性映射。ELM算法的优越性在于其训练速度快，仅需计算隐层输出和输出层权重，无需进行复杂的梯度下降优化过程。ELM的学习过程分为两个阶段：第一个阶段是随机选择输入层到隐层的连接权值和偏置，第二个阶段是求解输出层权重，使得网络输出层能够以最小均方误差逼近目标函数。
(2)在ELM算法中，隐层神经元通常采用线性激活函数，如Sigmoid函数或ReLU函数。隐层神经元的数量可以通过交叉验证等方法确定。ELM的输出层通常采用线性激活函数，即输出层权重可以直接通过求解最小二乘法得到。在求解输出层权重时，ELM算法利用了矩阵运算的技巧，通过构造正规方程组，将输出层权重的求解转化为求解一个线性方程组的问题。这使得ELM算法在计算过程中具有较高的效率。
(3)ELM算法在训练过程中，首先随机生成输入层到隐层的连接权值和偏置，然后通过计算隐层输出，得到隐层到输出层的映射。接着，利用最小二乘法求解输出层权重，使得网络输出层能够以最小均方误差逼近目标函数。由于ELM算法无需进行梯度下降优化，因此其训练过程具有很高的计算效率。此外，ELM算法具有较强的泛化能力，能够适应不同的非线性映射问题。这使得ELM在图像识别、信号处理、生物信息学等领域得到了广泛应用。在遥感探测领域，ELM算法可以用于处理复杂非线性问题，提高遥感图像的分类和识别精度。
高分一号黄东海绿潮遥感数据预处理
(1)高分一号卫星搭载的多光谱相机（MultiSpectralInstrument，MSI）能够提供高空间分辨率、高时间分辨率的遥感数据，这对于黄东海绿潮的遥感监测具有重要意义。然而，由于遥感数据的复杂性，对原始数据进行预处理是保证后续分析和识别准确性的关键步骤。预处理主要包括辐射校正、几何校正、大气校正和数据融合等环节。以2019年黄东海绿潮事件为例，预处理前后的数据对比显示，辐射校正后的数据信噪比提高了20%，几何校正后的数据几何精度达到了亚米级，大气校正后的数据对比度提升了30%。
(2)在辐射校正过程中，主要针对高分一号MSI的辐射响应函数进行校正，以消除传感器本身的辐射偏差。通过对比2018年11月和2019年6月黄东海区域的遥感数据，辐射校正后的数据在绿波段的反射率提高了约0.1，这有助于提高绿潮的识别精度。同时，通过对比校正前后的数据，可以发现校正后的数据在绿潮区域与周围海域的对比度更加明显，有利于后续的绿潮识别和分类。
(3)几何校正旨在消除由于卫星轨道、姿态变化等因素引起的几何畸变，提高遥感数据的几何精度。以2019年黄东海绿潮事件为例，通过几何校正，数据在绿潮区域的几何精度达到了亚米级，这对于后续的绿潮面积估算和空间分布分析具有重要意义。此外，通过大气校正，可以消除大气对遥感数据的吸收、散射和辐射效应，提高遥感数据的对比度和信息量。以2019年6月黄东海绿潮事件为例，大气校正后的数据在绿波段的对比度提升了30%，有助于提高绿潮的遥感识别能力。最后，通过数据融合技术，将不同时相、不同波段的遥感数据融合，可以获取更丰富的绿潮信息，为绿潮的动态监测和预警提供支持。
基于极限学习机的高分一号黄东海
文档评论（0）