發(fā)布時間：2020-03-24 06:57

【摘要】：我國地處喜馬拉雅板塊與環(huán)太平洋板塊交接地帶,山地面積約占國土面積的70%,是地質(zhì)災(zāi)害多發(fā)的國家,尤其是滑坡災(zāi)害。滑坡災(zāi)害的發(fā)生不僅給國家和人民帶來了巨大的人員傷亡和經(jīng)濟損失,還一定程度造成了環(huán)境破壞、資源流失的情況。因此,如何獲取分析滑坡災(zāi)害信息,挖掘滑坡災(zāi)害的發(fā)生規(guī)律,從而能夠提早預(yù)防滑坡災(zāi)害成為迫在眉睫的問題。隨著計算機技術(shù)的發(fā)展,數(shù)據(jù)的存儲處理能力也愈發(fā)提高,計算機技術(shù)被廣泛的應(yīng)用到各行各業(yè)中。利用計算機對數(shù)據(jù)的分析處理能力,同時結(jié)合數(shù)據(jù)挖掘算法對滑坡災(zāi)害數(shù)據(jù)信息進(jìn)行分析處理,已經(jīng)成為滑坡數(shù)據(jù)分析的一種形式。聚類分析作為數(shù)據(jù)挖掘領(lǐng)域的一個重要分支,是數(shù)據(jù)分析處理的常用方法。譜聚類算法是聚類分析算法較為經(jīng)典的數(shù)據(jù)分析方法,該算法是在譜圖論的基礎(chǔ)上發(fā)展而來的,能夠?qū)崿F(xiàn)在任意非凸數(shù)據(jù)集上進(jìn)行聚類且不易陷入局部最優(yōu)。但也存在一定的缺陷,針對其缺陷,本論文提出相關(guān)算法改進(jìn),并將其應(yīng)用于新疆喀什塔什庫爾干地區(qū)。本論文主要完成工作如下:(1)簡述譜聚類算法與譜圖論的相關(guān)理論知識,詳細(xì)介紹譜聚類算法的研究現(xiàn)狀與研究熱點,針對目前譜聚類算法所存在的問題提出自己的改進(jìn)思路。(2)提出一種基于人工蜂群算法的自適應(yīng)譜聚類算法。對于譜聚類算法初始聚類數(shù)目無法確定的問題,本論文利用本征間隙思想,通過構(gòu)造本征間隙序列求得初始聚類數(shù)目K值。為進(jìn)一步提高算法的全局尋優(yōu)能力,本論文將人工蜂群算法思想加入到后期聚類過程中,同時改進(jìn)人工蜂群算法位置更新公式,從而提高算法的全局尋優(yōu)能力。最后,選取標(biāo)準(zhǔn)測試函數(shù)測試以及UCI數(shù)據(jù)集中的Iris、Wine和Glass數(shù)據(jù)集對改進(jìn)算法進(jìn)行仿真實驗,并與不同算法實驗結(jié)果進(jìn)行比較。(3)實例驗證。選取新疆喀什塔什庫爾干地區(qū)的兩時刻遙感圖像作為本論文實驗驗證區(qū)域。利用改進(jìn)的譜聚類算法對研究區(qū)遙感圖像進(jìn)行變化檢測,提取研究區(qū)非局部差異圖中的變化信息。在差異圖構(gòu)造準(zhǔn)確度實驗中,本文差異圖構(gòu)造法的錯檢個數(shù)3741個,少于差值法錯檢個數(shù)12177個和比值法7052個。在比較算法對差異圖提取效果定量分析實驗中,本文改進(jìn)算法的檢測率PCC為96.437%,高于PCA-K算法和Otsu’s算法。因此,本文改進(jìn)算法對數(shù)據(jù)的分析提取能力較強,算法實現(xiàn)效果較好。
【圖文】：

譜聚類算法的改進(jìn)及其在滑坡領(lǐng)域的應(yīng)用 顯示了我國 2016 年各種地質(zhì)災(zāi)害的類型構(gòu)成，由圖可得滑坡災(zāi)害是我國發(fā)地質(zhì)災(zāi)害。此外，根據(jù)我國地質(zhì)環(huán)境檢測院發(fā)布的 2002 年到 2011 年十年害統(tǒng)計通報統(tǒng)計，在該十年間，我國每年平均發(fā)生滑坡災(zāi)害約 21790 起， 1398 人，造成的經(jīng)濟損失可達(dá) 37.9 億元。

譜聚類算法的改進(jìn)及其在滑坡領(lǐng)域的應(yīng)用等各方面因素的影響，兩時相遙感圖像在獲取的過程中所呈現(xiàn)的圖像內(nèi)容，通常會出現(xiàn)圖像內(nèi)容對應(yīng)位置不相匹配的現(xiàn)象。此外，在使用多時像遙感圖像進(jìn)行變化檢測工作之前，原始的遙感圖像無法拿來直接使用，必須進(jìn)行預(yù)處理工作。在對兩時相遙感圖像做變化檢測時，，要特別注意“偽”變化區(qū)域，“偽”變化區(qū)域會影響變化信息提取的準(zhǔn)確性。避免變化檢測結(jié)果中出現(xiàn)“偽”變化區(qū)域，預(yù)處理是兩時相遙感圖像中必不可少的步驟。
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：P642.22;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭吉;苗奪謙;王睿智;鐘才明;;一種基于粗糙集理論的譜聚類算法[J];計算機科學(xué);2009年05期

2 張嘉琪;張紅云;;拐點估計的改進(jìn)譜聚類算法[J];小型微型計算機系統(tǒng);2017年05期

3 白劍;杜杏虎;張國順;劉媛;;并行譜聚類算法[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2013年11期

4 徐天順;;譜聚類算法研究[J];電腦知識與技術(shù);2012年16期

5 蔡曉妍;戴冠中;楊黎斌;;譜聚類算法綜述[J];計算機科學(xué);2008年07期

6 戴天辰;顧正弘;;基于傳遞距離的譜聚類算法[J];計算機與現(xiàn)代化;2018年12期

7 王麗娟;丁世飛;賈洪杰;;基于消息傳遞的譜聚類算法[J];數(shù)據(jù)采集與處理;2019年03期

8 何金花;;改進(jìn)相似性度量的譜聚類算法[J];桂林航天工業(yè)學(xué)院學(xué)報;2017年02期

9 梁后軍;劉小虎;梁后兵;曠世希;吳建;;一種尺度參數(shù)與初始中心自適應(yīng)的譜聚類算法[J];信息通信;2013年07期

10 孫大雷;孟凡榮;閆秋艷;;一種初始化不敏感的譜聚類算法[J];微電子學(xué)與計算機;2012年07期

相關(guān)會議論文 前4條

1 魏一葦;牛超;王藝婷;王紅霞;;基于譜聚類算法的高光譜圖像分類研究[A];國家安全地球物理叢書（十五）——絲路環(huán)境與地球物理[C];2019年

2 謝義苗;何樂彰;余接永;;考慮多因素的大規(guī)模設(shè)備分區(qū)檢修決策[A];2017年江西省電機工程學(xué)會年會論文集[C];2018年

3 趙占飛;梁偉;;天然氣壓縮機故障信號聚類方法研究[A];2015年中國機械工程學(xué)會設(shè)備與維修工程分會學(xué)術(shù)年會論文集[C];2015年

4 趙騰飛;韓云;張會;叢向元;吳玉金;;密度敏感的半監(jiān)督譜聚類算法在火山巖巖心流體識別中的應(yīng)用[A];中國石油學(xué)會2017年物探技術(shù)研討會論文集[C];2017年

相關(guān)博士學(xué)位論文 前3條

1 黃亮;社會網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)與鏈接預(yù)測算法研究[D];華中科技大學(xué);2012年

2 呂紹高;統(tǒng)計學(xué)習(xí)中回歸與正則化譜聚類算法的研究[D];中國科學(xué)技術(shù)大學(xué);2011年

3 張大明;基于圖理論的圖像分割和分類算法研究[D];安徽大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 賈冉冉;改進(jìn)的譜聚類算法研究及其在物流配送中的應(yīng)用[D];山東科技大學(xué);2018年

2 胡卓婭;譜聚類算法的改進(jìn)及其在滑坡領(lǐng)域的應(yīng)用[D];蘭州交通大學(xué);2019年

3 程弓;基于譜聚類算法的航空發(fā)動機故障診斷[D];上海交通大學(xué);2018年

4 王俊文;基于譜聚類算法的癌癥分型研究[D];合肥工業(yè)大學(xué);2019年

5 葉玉騰;基于稀疏性約束的譜聚類算法及圖像分割應(yīng)用研究[D];華中科技大學(xué);2019年

6 印萬鵬;可擴展的譜聚類算法研究[D];國防科技大學(xué);2017年

7 何曲棠;譜聚類算法改進(jìn)及其在風(fēng)控模型中的應(yīng)用[D];深圳大學(xué);2018年

8 王小玉;約束譜聚類算法研究[D];中國礦業(yè)大學(xué);2019年

9 劉友超;基于近鄰相似圖的譜聚類算法研究與應(yīng)用[D];江南大學(xué);2019年

10 李嬌;譜聚類算法的研究及其在極光分類中的應(yīng)用[D];陜西師范大學(xué);2018年

本文編號：2597977