对高光谱图像解混的目的在于从低空间分辨率的高光谱图像中找到端元与对应的丰度.本文根据解混算法中的最小体积准则,提出了一种自适应鲁棒最小体积高光谱解混算法(Robust minimum volume based algorithm with automatically estimatin...对高光谱图像解混的目的在于从低空间分辨率的高光谱图像中找到端元与对应的丰度.本文根据解混算法中的最小体积准则,提出了一种自适应鲁棒最小体积高光谱解混算法(Robust minimum volume based algorithm with automatically estimating regularization parameters for hyperspectral unmixing,RMVHU).本算法通过引入负数惩罚正则项,替换了同类算法中的丰度非负性约束(Non-negativity constraint,ANC),使算法对图像中的噪声与异常值具有更强的鲁棒性;采用循环最小化方法,将非凸优化问题分解为凸优化子问题,然后应用交替方向乘子法解决随着像素点个数增大带来的求解困难问题;对于正则项系数,本算法提出了一种自适应调整策略,提高了算法的收敛性,并且通过定性分析,说明了该调整方法的合理性.将算法应用于合成数据与实际数据,实验结果表明,与同类算法相比,本文提出的算法能够取得更为优秀的效果.展开更多
针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法(Volume and Sparseness Constrained NMF,VSC-NMF)。该方法首先使用顶点成分分析法对高光谱图像进行端元提...针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法(Volume and Sparseness Constrained NMF,VSC-NMF)。该方法首先使用顶点成分分析法对高光谱图像进行端元提取,将其作为端元矩阵的初始值,可达到加速算法收敛的目的;然后,在目标函数中加入单形体体积最小化约束和丰度稀疏性约束,从而实现对混合像元进行较好的分解。实验结果表明,该方法不仅能有效地克服传统非负矩阵分解法的缺陷,而且能估计出精确的端元和对应的丰度,获得满意的解混效果,尤其适用于稀疏度较高的高光谱图像。展开更多
利用相量测量单元所采集的实时数据,快速准确地识别电网扰动,为调度操作提供有用信息具有重要意义。文中提出了一种识别电网扰动的最小体积封闭椭球(MVEE)算法:将采集的数据映射到多维空间,并用KY(Kumar and Yildirim)一阶算法寻找最小...利用相量测量单元所采集的实时数据,快速准确地识别电网扰动,为调度操作提供有用信息具有重要意义。文中提出了一种识别电网扰动的最小体积封闭椭球(MVEE)算法:将采集的数据映射到多维空间,并用KY(Kumar and Yildirim)一阶算法寻找最小椭球以包含整个数据;研究所找到椭球的体积和轴半径的变化量,以识别系统扰动。采用EPRI 36节点的仿真系统,分别在冲击负荷扰动场景和短路/断线故障场景下,计算最小椭球的体积和轴半径。所得结果表明,在系统发生扰动后,最小椭球的体积和轴半径均会在同一时刻发生显著变化,可很好地用于识别各类扰动。展开更多
文摘对高光谱图像解混的目的在于从低空间分辨率的高光谱图像中找到端元与对应的丰度.本文根据解混算法中的最小体积准则,提出了一种自适应鲁棒最小体积高光谱解混算法(Robust minimum volume based algorithm with automatically estimating regularization parameters for hyperspectral unmixing,RMVHU).本算法通过引入负数惩罚正则项,替换了同类算法中的丰度非负性约束(Non-negativity constraint,ANC),使算法对图像中的噪声与异常值具有更强的鲁棒性;采用循环最小化方法,将非凸优化问题分解为凸优化子问题,然后应用交替方向乘子法解决随着像素点个数增大带来的求解困难问题;对于正则项系数,本算法提出了一种自适应调整策略,提高了算法的收敛性,并且通过定性分析,说明了该调整方法的合理性.将算法应用于合成数据与实际数据,实验结果表明,与同类算法相比,本文提出的算法能够取得更为优秀的效果.
文摘针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法(Volume and Sparseness Constrained NMF,VSC-NMF)。该方法首先使用顶点成分分析法对高光谱图像进行端元提取,将其作为端元矩阵的初始值,可达到加速算法收敛的目的;然后,在目标函数中加入单形体体积最小化约束和丰度稀疏性约束,从而实现对混合像元进行较好的分解。实验结果表明,该方法不仅能有效地克服传统非负矩阵分解法的缺陷,而且能估计出精确的端元和对应的丰度,获得满意的解混效果,尤其适用于稀疏度较高的高光谱图像。
文摘利用相量测量单元所采集的实时数据,快速准确地识别电网扰动,为调度操作提供有用信息具有重要意义。文中提出了一种识别电网扰动的最小体积封闭椭球(MVEE)算法:将采集的数据映射到多维空间,并用KY(Kumar and Yildirim)一阶算法寻找最小椭球以包含整个数据;研究所找到椭球的体积和轴半径的变化量,以识别系统扰动。采用EPRI 36节点的仿真系统,分别在冲击负荷扰动场景和短路/断线故障场景下,计算最小椭球的体积和轴半径。所得结果表明,在系统发生扰动后,最小椭球的体积和轴半径均会在同一时刻发生显著变化,可很好地用于识别各类扰动。
