于宁锋
- 作品数：6 被引量：50H指数：4
- 供职机构：中国矿业大学环境与测绘学院更多>>
- 发文基金：国家自然科学基金中国矿业大学科技基金更多>>
- 相关领域：自动化与计算机技术矿业工程天文地球文化科学更多>>
- 基于粒子群优化神经网络的概率积分法预计参数的确定被引量：9
- 2008年
- 为有效确定概率积分法预计参数,提高预计值的精度。将粒子群优化(PSO)算法和BP神经网络进行融合,采用改进的混合粒子群优化算法优化神经网络的权值和阈值。在分析概率积分法参数与地质采矿条件之间关系的基础上,建立了基于PSO优化BP神经网络的概率积分法预计参数的优化选择模型。以我国典型的地表移动观测站资料为例,将计算结果与实际值进行了对比分析,并与文献[1]中改进BP算法进行了比较。结果表明,PSO-BP神经网络方法用于概率积分法预计参数的选取是可行的,收敛速度更快,计算精度更高。
- 于宁锋杨化超
- 关键词：概率积分法粒子群优化算法BP神经网络
- 一种用于高光谱遥感影像分类的改进多类支持向量机被引量：8
- 2007年
- 将支持向量机(SVM)用于高光谱遥感影像分类的研究,采用决策边界特征提取(DBFE)算法对高光谱影像进行维数约简,以径向基函数(RBF)作为SVM模型的核函数,把混沌优化搜索技术引入到PSO算法中,以基本PSO算法为主体流程,对种群中最好的粒子进行给定步数的混沌优化搜索,以改进基本PSO算法进化后期收敛速度慢、易陷入局部极小值的缺陷。利用改进的混合粒子群优化算法(PSO)来实现SVM模型参数的自动选择,继而构建了一种参数最优的粒子群优化支持向量机(PSO-SVM)多类分类模型。选用220波段的AVIRIS高光谱遥感影像进行了分类试验。结果表明,与采用基于留一法(LOO)网格搜索策略的传统SVM相比,改进后的PSO-SVM算法可以提高分类精度约8.8%。该方法对于小样本、非均衡条件下的遥感影像数据分类非常有效。
- 于宁锋杨化超
- 关键词：高光谱遥感粒子群优化支持向量机SVM
- 煤炭高校测量学教学评估方案初探
- 1993年
- 一、评估工作的组织及程序 1、由煤炭部高教处负责组织评估小组。 2、各院校根据评估内容及方法进行自评,并写出自评报告。 3、评估小组对自评报告进行调查核实,最后给出评语及评分。 二、评估指标体系 1、目标评估 (1)自测考题和考试成绩的评价; (2)对抽测成绩的评价; (3)毕业班学生对测量学教学效果的反映。
- 马金玲于宁锋高井祥邸庆生
- 关键词：教学评估方案自评报告毕业班学生课堂教学质量
- 基于PSO和SVM的矿区地表下沉系数预测被引量：18
- 2008年
- 研究并建立矿区地表下沉系数的智能预测模型。将粒子群优化(PSO)和回归支持向量机(SVM)方法进行融合。采用PSO算法优化SVM回归估计参数,在简要分析影响地表下沉因素的基础上,建立了基于PSO优化参数的SVM(PSO-SVM)矿区地表下沉系数智能预测模型。以我国典型的地表移动观测站资料作为学习训练样本和测试样本,将计算结果与实际值进行了对比分析,并与改进BP神经网络算法的预测结果进行了比较。结果表明:PSO-SVM方法计算地表下沉系数是可行的,收敛速度更快,计算精度更高。为地表下沉系数的计算探索了一种可行的方法。
- 于宁锋杨化超邓喀中张书毕
- 关键词：粒子群优化支持向量机
- 数字摄影测量系统中非量测CCD相机标定算法被引量：15
- 2007年
- 为了解决传统的相机标定方法,通常需要建立复杂三维标定块或高精度三维控制场这一实际问题,采用平面控制格网作为标定块,利用二维直接线性变换分解出相机的内外方位元素初值,然后采用改进的Hough变换算法检测标定图像中的格网直线并利用最小二乘法拟合出最佳直线,通过求直线的交点得到标定格网点的像坐标。最后利用自检校光线束法平差进行相机的精确标定。实际图像数据实验结果表明:主点和焦距的标定精度分别达到了0.2和0.3像素左右。可以满足高精度近景三维量测的要求。
- 于宁锋
- 关键词：直接线性变换共线方程光束法平差HOUGH变换
- 测量成果管理系统
- 于宁锋
