利用EO S-M OD IS遥感数据,基于线性混合模型,提出了一种新的作物冠层温度反演方法。首先,利用EO S-M OD IS数据提取了陆地表面温度LST和植被指数NDV I。然后,假定地表只有植被和裸地两种组分,通过植被指数温度V I-T s方法来估算裸土的...利用EO S-M OD IS遥感数据,基于线性混合模型,提出了一种新的作物冠层温度反演方法。首先,利用EO S-M OD IS数据提取了陆地表面温度LST和植被指数NDV I。然后,假定地表只有植被和裸地两种组分,通过植被指数温度V I-T s方法来估算裸土的组分温度,作物冠层温度通过线性混合模型来求解。为了验证反演的地表温度和冠层温度的精度,把反演的地表温度与NA SA M OD IS地表温度产品进行差值运算,在差值图像中90%以上的像元灰度值分布在-1和1之间,像元灰度的平均值小于0.5;同时在河北固城农业气象试验站对冬小麦冠层温度进行同步观测,通过与反演的冠层温度进行比较,其误差在±1.5℃左右。结果表明,文中所提出的作物冠层温度反演方法精度较高,其结果能够满足有关作物生长模型以及土壤水分模型对输入参数的精度要求。展开更多
聚类分析是常见的数据挖掘方法,时间序列数据挖掘可以将海量时序信息转化成有组织的知识。由于时间序列具有高维度、非线性等特点,大多数聚类算法无法直接应用在原始时间序列数据上并取得令人满意的效果。研究如何在维数约简的同时尽可...聚类分析是常见的数据挖掘方法,时间序列数据挖掘可以将海量时序信息转化成有组织的知识。由于时间序列具有高维度、非线性等特点,大多数聚类算法无法直接应用在原始时间序列数据上并取得令人满意的效果。研究如何在维数约简的同时尽可能多地保留数据的内蕴特征,识别代表知识的真正有趣的模式,具有重要意义。现有大多数时间序列聚类算法没有考虑数据集的局部结构,而数据集的局部结构对聚类性能有较大影响。提出一种基于局部线性嵌入(Locally Linear Embedding,LLE)和高斯混合模型(Gaussian Mixture Model,GMM)的时间序列聚类算法。首先从保留数据集局部结构的角度,使用LLE将每个高维时间序列样本表示为其k近邻的线性组合,并在低维空间进行重构,在保持数据集局部几何结构的同时实现维数约简;然后使用GMM从概率分布的角度进行聚类分析。与已有方法相比,该方法在单变量时间序列聚类上具有更优的效果。展开更多
In many applications a heterogeneous population consists of several subpopulations. When each subpopulation can be adequately modeled by a heteroscedastic single-index model, the whole population is characterized by a...In many applications a heterogeneous population consists of several subpopulations. When each subpopulation can be adequately modeled by a heteroscedastic single-index model, the whole population is characterized by a finite mixture of heteroscedastic single-index models. In this article, we propose an estimation algorithm for fitting this model, and discuss the implementation in detail. Simulation studies are used to demonstrate the performance of the algorithm, and a real example is used to illustrate the application of the model.展开更多
基金Major subject of science supporting plan(2006BAB01A03-1-2)Chinese Academy of Science,Changchun Moon-Lalce remote sensing experiment stations open found
文摘利用EO S-M OD IS遥感数据,基于线性混合模型,提出了一种新的作物冠层温度反演方法。首先,利用EO S-M OD IS数据提取了陆地表面温度LST和植被指数NDV I。然后,假定地表只有植被和裸地两种组分,通过植被指数温度V I-T s方法来估算裸土的组分温度,作物冠层温度通过线性混合模型来求解。为了验证反演的地表温度和冠层温度的精度,把反演的地表温度与NA SA M OD IS地表温度产品进行差值运算,在差值图像中90%以上的像元灰度值分布在-1和1之间,像元灰度的平均值小于0.5;同时在河北固城农业气象试验站对冬小麦冠层温度进行同步观测,通过与反演的冠层温度进行比较,其误差在±1.5℃左右。结果表明,文中所提出的作物冠层温度反演方法精度较高,其结果能够满足有关作物生长模型以及土壤水分模型对输入参数的精度要求。
文摘聚类分析是常见的数据挖掘方法,时间序列数据挖掘可以将海量时序信息转化成有组织的知识。由于时间序列具有高维度、非线性等特点,大多数聚类算法无法直接应用在原始时间序列数据上并取得令人满意的效果。研究如何在维数约简的同时尽可能多地保留数据的内蕴特征,识别代表知识的真正有趣的模式,具有重要意义。现有大多数时间序列聚类算法没有考虑数据集的局部结构,而数据集的局部结构对聚类性能有较大影响。提出一种基于局部线性嵌入(Locally Linear Embedding,LLE)和高斯混合模型(Gaussian Mixture Model,GMM)的时间序列聚类算法。首先从保留数据集局部结构的角度,使用LLE将每个高维时间序列样本表示为其k近邻的线性组合,并在低维空间进行重构,在保持数据集局部几何结构的同时实现维数约简;然后使用GMM从概率分布的角度进行聚类分析。与已有方法相比,该方法在单变量时间序列聚类上具有更优的效果。
文摘In many applications a heterogeneous population consists of several subpopulations. When each subpopulation can be adequately modeled by a heteroscedastic single-index model, the whole population is characterized by a finite mixture of heteroscedastic single-index models. In this article, we propose an estimation algorithm for fitting this model, and discuss the implementation in detail. Simulation studies are used to demonstrate the performance of the algorithm, and a real example is used to illustrate the application of the model.
