本文關(guān)鍵詞： 隕石坑檢測(cè) 監(jiān)督分類 貝葉斯分類器 特征選擇　出處：《合肥工業(yè)大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

【摘要】：隕石坑是隕石體高速運(yùn)動(dòng)撞擊地表或其他天體表面之后所形成的坑穴。這種坑穴的重要性源于其豐富的信息，這些信息描述了它們的分布以及其產(chǎn)生的形態(tài)。因此，隕石坑在行星探測(cè)方面得到了廣泛及深入的研究和應(yīng)用。然而由于在一個(gè)隕石坑生命周期存在侵蝕、掩埋、覆蓋以及轉(zhuǎn)化問題，檢測(cè)圓形狀的隕石坑比單純從圖像檢測(cè)完整圓形更困難。隕石坑大小的分布呈現(xiàn)規(guī)律，即服從冪律分布：大的很容易被檢測(cè)出來的隕石坑是稀少的，小的亞公里(sub-kilometer)隕石坑是大量存在的。監(jiān)督分類算法對(duì)于小隕石坑檢測(cè)比較有效，因此可以充分利用領(lǐng)域知識(shí)以標(biāo)注訓(xùn)練集的形式來指導(dǎo)分類算法。 貝葉斯分類模型是一種建立在貝葉斯統(tǒng)計(jì)學(xué)習(xí)和貝葉斯網(wǎng)絡(luò)基礎(chǔ)上的監(jiān)督分類算法，具有堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)和清晰的模型可解釋性等優(yōu)點(diǎn)，同時(shí)也是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中的研究熱點(diǎn)。本文針對(duì)監(jiān)督學(xué)習(xí)下的貝葉斯分類器展開研究，從而提出一種新的有效的貝葉斯分類算法，并將其應(yīng)用于隕石坑的檢測(cè)過程中。 本文的主要內(nèi)容包括如下幾個(gè)方面： （1）對(duì)隕石坑檢測(cè)的研究背景及國(guó)內(nèi)外的研究現(xiàn)狀進(jìn)行了論述，然后對(duì)描述了常用的隕石坑檢測(cè)方法。 （2）在研究貝葉斯分類器的過程中，，提出了一種新的貝葉斯分類方法，該算法需要學(xué)習(xí)一組有效的屬性變量拓?fù)湫蛄�。通過實(shí)驗(yàn)與數(shù)據(jù)挖掘中常用的其他分類算法進(jìn)行比較，該方法取得很好分類效果。 （3）由于隕石坑檢測(cè)數(shù)據(jù)的高維性，因此一般的貝葉斯分類器不能用于對(duì)其進(jìn)行分類。本文特將提出的貝葉斯分類器進(jìn)行了改進(jìn)使其能應(yīng)用于高維數(shù)據(jù)中。通過實(shí)驗(yàn)表明，本文提出的貝葉斯分類器即L1正則化的貝葉斯分類器應(yīng)用在自動(dòng)檢測(cè)隕石坑框架中是有效可行的。
[Abstract]:The crater is a meteorite hit the ground after the high-speed movement of body or other celestial body surface formed by the hole. The hole's importance stems from its rich information, this information describes their distribution and shape of the crater. Therefore, it has got extensive and in-depth research and application in planetary exploration. However, due to a crater in the life cycle of erosion, burial, coverage and transformation, crater detection circular shape than from complete circular image detection more difficult. The crater size distribution is regular, i.e. obeying power-law distribution: very easily detected crater is rare. Small sub kilometer (sub-kilometer) crater is substantial. Supervised classification algorithm is effective for detecting small craters, so it can make full use of domain knowledge in the form of labeled training sets to guide the classification Algorithm.
Bias classification model is based on a statistical learning Bias and Bias network based on supervised classification algorithm has a solid mathematical foundation and a clear explanation of the advantages of the model, mining and research hotspot in machine learning and data. This paper studied Bias classifier under supervised learning, and put forward a the new Bias classification algorithm, and its application in the detection process of the crater.
The main contents of this paper include the following aspects:
(1) the research background of crater detection and the current research status at home and abroad are discussed, and then the commonly used methods for detecting craters are described.
(2) in the process of Bias classifier, Bias proposed a new classification method, the algorithm needs to learn a set of valid attribute variable topology sequence. Through the comparison of experiment and data mining in other commonly used classification algorithms, this method has good classification effect.
(3) due to the high dimensionality of the crater detection data, and therefore can not be used for general Bias classifier to classify it. This paper will put forward the Bias classifier is improved so that it can be used in high-dimensional data. Experimental results show that the Bias classifier is presented in this paper is the application of L1 regularization Bias classifier is effective feasible in automatic detection of craters in the framework.

【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP18;P185.83

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 路楊;楚艷萍;;基于全局及局部特征融合的建筑圖像檢索策略[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

2 謝閱;王曉東;;ICF準(zhǔn)直系統(tǒng)的非正常圖像分類檢測(cè)[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2011年07期

3 許明英;尉永清;趙靜;;一種結(jié)合反饋信息的貝葉斯分類增量學(xué)習(xí)方法[J];計(jì)算機(jī)應(yīng)用;2011年09期

4 周國(guó)強(qiáng);崔榮一;;基于樸素貝葉斯分類器的朝鮮語文本分類的研究[J];中文信息學(xué)報(bào);2011年04期

5 包理群;馬宏鋒;李祥林;;貝葉斯郵件分類中概念漂移問題研究[J];計(jì)算機(jī)應(yīng)用與軟件;2011年09期

6 程險(xiǎn)峰;李軍;李雄飛;;一種基于欠采樣的不平衡數(shù)據(jù)分類算法[J];計(jì)算機(jī)工程;2011年13期

7 白懷文;王暄;;基于Hu矩和支持向量機(jī)的人臉與非人臉分類識(shí)別[J];計(jì)算機(jī)應(yīng)用與軟件;2011年07期

8 譚建輝;;基于遺傳算法和BP模糊神經(jīng)網(wǎng)絡(luò)的紅外步態(tài)識(shí)別[J];現(xiàn)代電子技術(shù);2011年12期

9 秦文政;馬莉;;基于視覺顯著性和小波分析的煙霧檢測(cè)方法[J];杭州電子科技大學(xué)學(xué)報(bào);2011年04期

10 薄樹奎;劉華;;類別劃分對(duì)特定類別信息提取的影響[J];計(jì)算機(jī)工程與應(yīng)用;2011年24期

相關(guān)會(huì)議論文 前10條

1 眭怡;周元澤;;L1范數(shù)約束下的稀疏脈沖序列提取[A];中國(guó)地球物理2010——中國(guó)地球物理學(xué)會(huì)第二十六屆年會(huì)、中國(guó)地震學(xué)會(huì)第十三次學(xué)術(shù)大會(huì)論文集[C];2010年

2 牛海玲;孫黎明;孫迪;朱蓓薇;;海膽油脂及多糖的抗氧化功能及對(duì)3T3-L1前脂肪細(xì)胞增殖的影響[A];中國(guó)食品科學(xué)技術(shù)學(xué)會(huì)第七屆年會(huì)論文摘要集[C];2010年

3 陳楊;寶音賀西;李俊峰;;飛向地月系統(tǒng)L1點(diǎn)的月球探測(cè)器軌道設(shè)計(jì)[A];北京力學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2011年

4 張奕;林杰義;羅瑋;黃少明;毛麗梅;;二十二碳六烯酸對(duì)3T3-L1脂肪細(xì)胞脂聯(lián)素表達(dá)的影響及其機(jī)制[A];營(yíng)養(yǎng)與老年代謝病——達(dá)能營(yíng)養(yǎng)中心第十四屆學(xué)術(shù)年會(huì)論文集[C];2011年

5 雷蕾;吳少庭;蔡昌學(xué);;人類乳頭瘤病毒16型L1基因在恥垢分枝桿菌中的表達(dá)[A];全國(guó)寄生蟲學(xué)與熱帶醫(yī)學(xué)學(xué)術(shù)研討會(huì)論文集[C];2006年

6 萬進(jìn);王文清;施春陽;李艷艷;方建國(guó);;鄂產(chǎn)荷葉活性成分含量測(cè)定及其荷葉堿對(duì)3T3-L1細(xì)胞增殖的影響研究[A];2010年全國(guó)中藥學(xué)術(shù)研討會(huì)論文集[C];2010年

7 張毅;劉精東;林安華;;吡格列酮對(duì)3T3 L1前脂肪細(xì)胞功能的影響初步研究[A];江西省首屆中西醫(yī)結(jié)合內(nèi)分泌專業(yè)學(xué)術(shù)交流會(huì)論文資料匯編[C];2010年

8 姜自軍;樓覺人;;人乳頭瘤狀病毒58 L1蛋白羧基端核定位信號(hào)在畢赤酵母細(xì)胞中入核功能研究[A];第五次全國(guó)免疫診斷暨疫苗學(xué)術(shù)研討會(huì)論文匯編[C];2011年

9 陶京;周靜;李凱;楊智勇;劉濤;吳河水;熊炯p

本文編號(hào)：1543393