【摘要】：我國(guó)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(guó)土面積的70%,是地質(zhì)災(zāi)害多發(fā)的國(guó)家,尤其是滑坡災(zāi)害。滑坡災(zāi)害的發(fā)生不僅給國(guó)家和人民帶來(lái)了巨大的人員傷亡和經(jīng)濟(jì)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(wèn)題。隨著計(jì)算機(jī)技術(shù)的發(fā)展,數(shù)據(jù)的存儲(chǔ)處理能力也愈發(fā)提高,計(jì)算機(jī)技術(shù)被廣泛的應(yīng)用到各行各業(yè)中。利用計(jì)算機(jī)對(duì)數(shù)據(jù)的分析處理能力,同時(shí)結(jié)合數(shù)據(jù)挖掘算法對(duì)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(lèi)分析作為數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要分支,是數(shù)據(jù)分析處理的常用方法。譜聚類(lèi)算法是聚類(lèi)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(lái)的,能夠?qū)崿F(xiàn)在任意非凸數(shù)據(jù)集上進(jìn)行聚類(lèi)且不易陷入局部最優(yōu)。但也存在一定的缺陷,針對(duì)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(kù)爾干地區(qū)。本論文主要完成工作如下:(1)簡(jiǎn)述譜聚類(lèi)算法與譜圖論的相關(guān)理論知識(shí),詳細(xì)介紹譜聚類(lèi)算法的研究現(xiàn)狀與研究熱點(diǎn),針對(duì)目前譜聚類(lèi)算法所存在的問(wèn)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(lèi)算法。對(duì)于譜聚類(lèi)算法初始聚類(lèi)數(shù)目無(wú)法確定的問(wèn)題,本論文利用本征間隙思想,通過(guò)構(gòu)造本征間隙序列求得初始聚類(lèi)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(lèi)過(guò)程中,同時(shí)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(cè)試函數(shù)測(cè)試以及UCI數(shù)據(jù)集中的Iris、Wine和Glass數(shù)據(jù)集對(duì)改進(jìn)算法進(jìn)行仿真實(shí)驗(yàn),并與不同算法實(shí)驗(yàn)結(jié)果進(jìn)行比較。(3)實(shí)例驗(yàn)證。選取新疆喀什塔什庫(kù)爾干地區(qū)的兩時(shí)刻遙感圖像作為本論文實(shí)驗(yàn)驗(yàn)證區(qū)域。利用改進(jìn)的譜聚類(lèi)算法對(duì)研究區(qū)遙感圖像進(jìn)行變化檢測(cè),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(shí)驗(yàn)中,本文差異圖構(gòu)造法的錯(cuò)檢個(gè)數(shù)3741個(gè),少于差值法錯(cuò)檢個(gè)數(shù)12177個(gè)和比值法7052個(gè)。在比較算法對(duì)差異圖提取效果定量分析實(shí)驗(yàn)中,本文改進(jìn)算法的檢測(cè)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(duì)數(shù)據(jù)的分析提取能力較強(qiáng),算法實(shí)現(xiàn)效果較好。
【圖文】：

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

譜聚類(lèi)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(shí)相遙感圖像在獲取的過(guò)程中所呈現(xiàn)的圖像內(nèi)容，通常會(huì)出現(xiàn)圖像內(nèi)容對(duì)應(yīng)位置不相匹配的現(xiàn)象。此外，在使用多時(shí)像遙感圖像進(jìn)行變化檢測(cè)工作之前，原始的遙感圖像無(wú)法拿來(lái)直接使用，必須進(jìn)行預(yù)處理工作。在對(duì)兩時(shí)相遙感圖像做變化檢測(cè)時(shí)，，要特別注意“偽”變化區(qū)域，“偽”變化區(qū)域會(huì)影響變化信息提取的準(zhǔn)確性。避免變化檢測(cè)結(jié)果中出現(xiàn)“偽”變化區(qū)域，預(yù)處理是兩時(shí)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(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：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(lèi)算法[J];計(jì)算機(jī)科學(xué);2009年05期

2 張嘉琪;張紅云;;拐點(diǎn)估計(jì)的改進(jìn)譜聚類(lèi)算法[J];小型微型計(jì)算機(jī)系統(tǒng);2017年05期

3 白劍;杜杏虎;張國(guó)順;劉媛;;并行譜聚類(lèi)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(lèi)算法研究[J];電腦知識(shí)與技術(shù);2012年16期

5 蔡曉妍;戴冠中;楊黎斌;;譜聚類(lèi)算法綜述[J];計(jì)算機(jī)科學(xué);2008年07期

6 戴天辰;顧正弘;;基于傳遞距離的譜聚類(lèi)算法[J];計(jì)算機(jī)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(lèi)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(lèi)算法[J];桂林航天工業(yè)學(xué)院學(xué)報(bào);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(lèi)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(lèi)算法[J];微電子學(xué)與計(jì)算機(jī);2012年07期

相關(guān)會(huì)議論文 前4條

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

2 謝義苗;何樂(lè)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(jī)工程學(xué)會(huì)年會(huì)論文集[C];2018年

3 趙占飛;梁偉;;天然氣壓縮機(jī)故障信號(hào)聚類(lèi)方法研究[A];2015年中國(guó)機(jī)械工程學(xué)會(huì)設(shè)備與維修工程分會(huì)學(xué)術(shù)年會(huì)論文集[C];2015年

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

相關(guān)博士學(xué)位論文 前3條

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

2 呂紹高;統(tǒng)計(jì)學(xué)習(xí)中回歸與正則化譜聚類(lèi)算法的研究[D];中國(guó)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(lèi)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(lèi)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(lèi)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(lèi)算法的航空發(fā)動(dòng)機(jī)故障診斷[D];上海交通大學(xué);2018年

4 王俊文;基于譜聚類(lèi)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(lèi)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(wàn)鵬;可擴(kuò)展的譜聚類(lèi)算法研究[D];國(guó)防科技大學(xué);2017年

7 何曲棠;譜聚類(lèi)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(lèi)算法研究[D];中國(guó)礦業(yè)大學(xué);2019年

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

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

本文編號(hào)：2597977