近些年來,由于人類對(duì)自然資源的過度開發(fā),導(dǎo)致沙塵天氣越來越頻繁地出現(xiàn)在人們?nèi)粘５纳a(chǎn)生活中,給發(fā)生地和過境地區(qū)的環(huán)境帶來了可怕的災(zāi)難。遙感技術(shù)由于其獲取信息的周期短、數(shù)據(jù)量大等特點(diǎn)而對(duì)沙塵暴有著良好的監(jiān)測效果。但是利用沙塵像元判識(shí)技術(shù)獲得的沙塵監(jiān)測結(jié)果中會(huì)出現(xiàn)個(gè)別孤立像元,而這些孤立像元大多數(shù)是沙塵監(jiān)測誤判的結(jié)果,其嚴(yán)重地影響了沙塵判識(shí)結(jié)果的準(zhǔn)確度,同時(shí)加大了沙塵判識(shí)工作的難度。為了解決這個(gè)問題,本文在經(jīng)典KNN孤立點(diǎn)檢測算法基礎(chǔ)上,提出了一種基于KD-Tree的KNN孤立點(diǎn)檢測算法,并有效應(yīng)用于沙塵孤立點(diǎn)監(jiān)測中。本文的研究工作如下:1、針對(duì)沙塵孤立點(diǎn)分析過程中的遙感數(shù)據(jù)集具有規(guī)模較大和維度較高的特性,本文在傳統(tǒng)K近鄰（k-nearest neighbor KNN）孤立點(diǎn)檢測算法的基礎(chǔ)之上,綜合利用索引結(jié)構(gòu)KD-Tree（k-dimensional樹的簡稱）高效搜索多維空間關(guān)鍵數(shù)據(jù)的優(yōu)點(diǎn),設(shè)計(jì)和實(shí)現(xiàn)了一種針對(duì)中高維數(shù)據(jù)的基于KD-Tree的KNN沙塵孤立點(diǎn)監(jiān)測算法KD-KNN,利用KD-Tree降維的思想來達(dá)到在保證分類結(jié)果準(zhǔn)確度的前提下,提高算法分類效率的目的。2、本文提出的KD-K... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

召回率與準(zhǔn)確率關(guān)系曲線

圖 2-3 Himawari-8 真彩色合成圖像.3.2 MODIS 數(shù)據(jù)MODIS（moderate-resolution imaging spectroradiometer）是由 TERRA 衛(wèi)星搭載用 X 波段向全球直接廣播，能夠免費(fèi)接收并無償使用數(shù)據(jù)的星載儀器。光學(xué)遙器 MODIS，共包括 36 個(gè)波段，波譜范圍在 0.4~14μm[52]，其掃描幅寬較大，地辨率分別為 250m、500m、1000m，且每天均可得到一次全球觀測數(shù)據(jù)。該數(shù)據(jù)反映陸地、海洋以及大氣等特征信息，因此可以用于對(duì)陸地、海洋以及大氣的觀測。表 2-2 為該數(shù)據(jù) 1 至 7 波段的主要特點(diǎn)：

要包括兩個(gè)技術(shù)：K 近鄰 KNN 算法以及 KD-Tree 二叉Cover 和 Hart 提出了最初的 K 近鄰（k-Nearest Neighb類技術(shù)中理論比較成熟的算法，同時(shí)亦是較簡單的一類思想為：近朱者赤，近墨者黑。如果待檢測的數(shù)據(jù)對(duì)象近的對(duì)象大部分都屬于一個(gè)類別，那么 P 也屬于這個(gè)類 中，包含圓形，三角形，四邊形 3 類數(shù)據(jù)。圓形屬于一個(gè)，圓形有三角形鄰居 2 個(gè)，四邊形鄰居 1 個(gè)，因此根據(jù)三角形類。當(dāng) k 取 5 時(shí)，圓形有三角形鄰居 2 個(gè)，四邊理，圓形應(yīng)歸屬于四邊形類。

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜高維數(shù)據(jù)中異常點(diǎn)挖掘算法研究[J]. 徐曉丹.  浙江師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[2]拐子湖沙塵暴天氣對(duì)牧業(yè)的影響及對(duì)策[J]. 陳帥.  現(xiàn)代農(nóng)業(yè)科技. 2018(08)
[3]基于靜止和極軌氣象衛(wèi)星融合算法的沙塵暴監(jiān)測研究——以甘肅省為例[J]. 程慧波.  環(huán)境研究與監(jiān)測. 2018(01)
[4]基于靜止氣象衛(wèi)星的動(dòng)態(tài)沙塵檢測方法[J]. 張海香,徐輝,韓道軍,鄭逢杰,張文豪.  遙感信息. 2018(01)
[5]基于高維數(shù)據(jù)流的異常檢測算法[J]. 余立蘋,李云飛,朱世行.  計(jì)算機(jī)工程. 2018(01)
[6]結(jié)合RNN和CNN層次化網(wǎng)絡(luò)的中文文本情感分類[J]. 羅帆,王厚峰.  北京大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[7]K最近鄰算法理論與應(yīng)用綜述[J]. 毋雪雁,王水花,張煜東.  計(jì)算機(jī)工程與應(yīng)用. 2017(21)
[8]基于夜間燈光遙感數(shù)據(jù)多尺度城市聚類分析[J]. 金夢,鄧順強(qiáng),楊成術(shù),余柏蒗,吳健平.  遙感技術(shù)與應(yīng)用. 2017(05)
[9]利用Himawari-8高頻次監(jiān)測太湖藍(lán)藻水華動(dòng)態(tài)[J]. 王萌,鄭偉,劉誠.  湖泊科學(xué). 2017(05)
[10]Himawari-8靜止氣象衛(wèi)星草原火監(jiān)測分析[J]. 陳潔,鄭偉,劉誠.  自然災(zāi)害學(xué)報(bào). 2017(04)

碩士論文
[1]動(dòng)態(tài)K-means算法在遙感圖像挖掘領(lǐng)域的并行化研究[D]. 鮑黎明.南京郵電大學(xué) 2017
[2]基于靜止氣象衛(wèi)星的動(dòng)態(tài)沙塵檢測方法的研究與實(shí)現(xiàn)[D]. 張海香.河南大學(xué) 2017
[3]基于KNN算法的空間手勢識(shí)別研究與應(yīng)用[D]. 張碩.吉林大學(xué) 2017
[4]面向混合數(shù)據(jù)的孤立點(diǎn)檢測算法研究[D]. 焦茜.山西大學(xué) 2016
[5]數(shù)據(jù)挖掘中的離群點(diǎn)檢測算法研究[D]. 胡婷婷.廈門大學(xué) 2014
[6]線性回歸模型中關(guān)于異常點(diǎn)的若干問題的分析[D]. 彭珊.東北林業(yè)大學(xué) 2014
[7]基于密度的改進(jìn)K-Means文本聚類算法研究[D]. 賈永娟.山西師范大學(xué) 2014
[8]改進(jìn)的KNN算法在過濾垃圾郵件中的應(yīng)用研究[D]. 林文香.湖南大學(xué) 2010
[9]KNN算法的改進(jìn)及其在文本分類中的應(yīng)用[D]. 卜凡軍.江南大學(xué) 2009
[10]聚類和孤立點(diǎn)檢測算法的研究與實(shí)現(xiàn)[D]. 鄭健.南京航空航天大學(xué) 2007



本文編號(hào)：3136900