简介:基于相关矩阵特征向量的目标分解将地物回波复杂的散射过程分解成相互独立的三种单一散射分量:单向散射、双向散射和交叉散射,分别对应各自的目标相关矩阵.目标分解技术降低了散射回波之间的相关性,有利于分析地物散射机理,有助于提高分类精度.对荷兰Flevoland地区全极化数据进行分解,经过试验和相关性分析,选用7种数据形成多参数数据组合,对其进行最大似然监督分类,同时进行常规三种极化加相位差的分类和基于复Wishart分布的最大似然分类,逐像元计算混淆矩阵,分析对比三种分类结果的精度,试验表明:相对于常规数据组合分类,基于复Wishart分布的监督分类可以小幅度提高分类精度,而利用目标分解得到多参数组合数据进行分类则有大幅度的提高。
简介:基于Wishart分类器的全极化SAR图像H/α分类方法应用于海岸线分类,可区分不同海岸线类型。在聚类过程中,传统H/α-Wishart方法时常将各类聚类中心对应的散射机理混淆,使得同为单次面散射的淤泥质与砂质海岸线类别难以区分。针对此问题,提出了改进型的辅助分层分类方法。算法运用单次反射特征值相对差异度与极化总功率系数构成的二维特征空间,结合支持向量机得到最优分界判据,以分离初始分类结果中混淆的淤泥质与砂质海岸线。实验表明,改进方法能够有效区分淤泥质与砂质岸线,分类混淆矩阵对应kappa系数由0.794提升至0.853,分类识别率得到显著提高。
简介:介绍了接收机自主完整性监测(RAIM)算法的故障检测及其可用性原理,结合航空用户对完好性需求,通过仿真计算,得到了GPS系统下不同截止高度角条件下、不同飞行阶段的RAIM算法的可用性结果,并且给出了中国区域内5°×5°格网点的RAIM最大和平均中断时间,分析了截止高度角、可视卫星个数和DOP值等因素对RAIM算法可用性的影响。
简介:本研究从独立学院应用型本科人才培养的视角入手,尝试编制自主学习能力测评量表对电气类专业学生进行测评,利用主成分分析法等统计学方法进行分析,讨论影响自主学习能力测评的主要影响因素。经主成分分析,提取到的6个特征值均大于1的主成分,累计贡献率达60.86%,其中通过第1主成分便可较清晰地将自主学习能力得分群体分开。本研究视角下,得到影响大学生自主学习能力的关键指标体系,即职业信念、自我管理、学习管理3个维度,职业兴趣、职业环境认知、职业定位、职业准备、专业认知、职业能力认知、自我调整、时间管理、目标管理、学习态度、信息能力、学习方法12种影响因子。