[2018年IEEE第21届国际多主题会议(INMIC) - 巴基斯坦卡拉奇(2018.11.1-2018.11.2)] 2018年IEEE第21届国际多主题会议(INMIC) - 基于纹理和强度特征的视网膜血管分类用于高血压视网膜病变识别

摘要： 高血压性视网膜病变是由高血压引发的一种视网膜疾病。早期发现该病变对降低永久性视力损伤风险至关重要。鉴于高血压患者比例较高，有必要开发能自动检测该疾病的系统。高血压会损伤视网膜血管，导致动脉管径变窄。通过提取血管、将分割后的血管分类为静脉和动脉并计算其动静脉比率（判断是否患有高血压性视网膜病变的重要指标），可分析这种损伤。本研究提出一种利用不同分类器对视网膜血管进行自动分类的技术，并在同一特征集上比较各分类器的性能。采用新型特征组合进行血管分类——这是计算动静脉比率及后续检测高血压性视网膜病变的关键步骤。研究使用MATLAB软件实现，所提特征集的检测准确率达到89%。

[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于Unicore工作流管理系统的遥感影像自动分析

摘要： 遥感技术的进步带来了高分辨率影像数据供应的增加。然而，处理海量数据的解决方案却相对滞后：台式计算机已无法满足宏观尺度遥感应用的需求，因此在高性能计算（HPC）环境中运行并行方法至关重要。对于科学家而言，管理HPC处理流程并非易事，尤其是当计算环境具有异构性且任务集存在复杂依赖关系时。本文提出了一种基于UNICORE工作流管理系统的全流程科学工作流方法，用于自动化实现基于支持向量机（SVM）的遥感影像分类全链条操作。UNICORE工作流的高层特性使其能够应对HPC计算环境的异构性，并提供参数扫描等强大的工作流操作功能。由此，基于SVM的遥感分类工作流可在不同计算环境中复用，从而提升可用性并减少科学家的操作负担。

利用激光诱导击穿光谱结合机器学习方法识别格雷夫斯眼病

摘要： 格雷夫斯眼病的诊断仍是一项重大挑战。我们采用激光诱导击穿光谱（LIBS）结合机器学习方法，成功区分了格雷夫斯眼病组织与健康对照样本。本研究对石蜡包埋的格雷夫斯眼病样本进行LIBS光谱采集，选取金属元素（钠、钾、铝、钙）、非金属元素（氧）及分子谱带（C-N、C-O）作为诊断指标。将选定光谱线分别输入线性判别分析（LDA）、支持向量机（SVM）、k近邻算法（kNN）和广义回归神经网络（GRNN）等监督分类模型。结果显示：LDA、SVM、kNN和GRNN的预测准确率分别为76.33%、96.28%、96.56%和96.33%；灵敏度分别为75.89%、93.78%、96.78%和96.67%；特异度分别为76.78%、98.78%、96.33%和96.00%。这表明LIBS联合非线性模型可显著提高格雷夫斯眼病的鉴别准确率。在三种非线性模型中，kNN表现最优。因此，LIBS结合机器学习方法是鉴别格雷夫斯眼病的有效手段。

基于支持向量机的光伏发电机故障诊断方法

摘要： 由于韩国政府的"4030政策"，光伏发电设备的容量有望提升。此外，随着老旧光伏设备数量增加，开发光伏设备维护技术也受到广泛关注。本文提出一种利用光伏设备发电量与太阳辐射运行数据进行故障诊断的方法，分析了2014年安装的50千瓦级光伏设备四年积累的实测数据。该故障诊断逻辑采用支持向量机分类法区分正常与故障数据，将处理后的故障数据应用于太阳能发电机故障诊断系统。本研究以无历史故障数据的新建50千瓦级光伏设备为案例，通过应用所提方法生成故障数据并诊断光伏设备运行状态，同时计算准确率并分析结果。

利用拉曼光谱和改进支持向量机快速低成本检测甲状腺功能障碍

摘要： 本研究提出了一种利用血清拉曼光谱结合支持向量机（SVM）快速、低成本检测甲状腺功能障碍的方法。研究测量了34例甲状腺功能障碍患者和40名健康志愿者的血清样本。对所测血清光谱中拉曼谱带的初步指认表明两组间存在特定生物分子变化。采用主成分分析（PCA）进行特征提取并降低高维光谱数据的维度，随后运用SVM建立有效判别模型。为提高SVM判别模型的效率和准确性，我们提出人工鱼群耦合均匀设计（AFUD）算法优化SVM参数。30次判别结果的平均准确率达82.74%，平均优化时间为0.45秒。结果表明，血清拉曼光谱技术结合AFUD-SVM判别模型在甲状腺功能障碍检测方面具有巨大潜力。该技术可用于开发便携、快速、低成本的甲状腺功能检测设备，以满足个人和社区的需求。

基于自然场景统计和Gabor特征的卫星图像云检测

摘要： 云检测是遥感（RS）图像处理中的重要任务。目前已开发出众多云检测算法，但现有方法大多存在忽略小而薄的云层、以及无法区分云与光度相似区域（如建筑物和雪地）的缺陷。本文提出一种新型光学遥感图像云检测算法，将测试图像划分为三类：厚云、薄云和非云区域。首先采用简单线性迭代聚类算法分割潜在云区（包括小云块），随后通过自然场景统计模型对超像素进行云与地表建筑物的区分，最后计算各超像素的Gabor特征并利用支持向量机实现云与雪区的判别。实验结果表明，该模型在云检测性能上优于现有先进方法。

摘要： 现有的极化合成孔径雷达（PolSAR）图像分类方法在具有多种地物覆盖类型、显著噪声水平或地物间散射特性相似的复杂场景中，无法取得令人满意的效果。为此，我们提出一种基于自步学习（SPL）的监督分类方法。研究表明，SPL在处理复杂数据的同时能有效提升分类器性能。本文提出了一种结合邻域约束的新型支持向量机（SVM_SPLNC）算法，该方法首先利用最简单样本获取初始参数向量，再逐步引入更复杂样本进行迭代更新，同时在训练过程中引入邻域约束以进一步提升性能。三幅真实PolSAR图像的实验结果表明，该方法在复杂场景中表现优异。

利用Landsat 8和Radarsat-2极化SAR数据绘制中国东寨港自然?；で焓髁址植纪?

摘要： 红树林分布于潮间带区域，是海岸线的"天然屏障"，具有巨大的生态、经济和社会价值。然而，在人类活动和自然干扰的巨大压力下，全球红树林正不断减少。准确掌握红树林信息对其?；ず突指粗凉刂匾?。本研究主要目标是开发一种利用C波段四极化合成孔径雷达（Radarsat-2）和光学数据（Landsat 8）提升红树林分类精度的方法，并分析红树林的光谱与后向散射特征。我们采用支持向量机（SVM）分类方法对海南东寨港国家级自然?；で℉DNNR）土地利用进行分类。结果表明：仅使用光学信息的总体分类精度为83.5%，叠加不同雷达数据可使分类精度得到不同程度提升，其中SAR与光学数据组合的分类总体精度最高达95.0%。基于最高分类精度的组别测定，该?；で焓髁置婊?981.7公顷。光学数据与SAR数据的结合能提高分类精度，对红树林?；ぞ哂兄匾庖濉?

基于法国北部带叶/无叶机载激光扫描数据和机器学习分类器的河岸树种属识别

摘要： 河岸林是提供多重生态服务的重要环境。由于面临自然和人为双重制约，需精确绘制河岸林的属/种多样性分布图。先前研究表明机载激光雷达（ALS）数据在不同环境下具有树木分类潜力，但利用ALS数据绘制落叶阔叶河岸林时关键特征评估与分类效果仍有待探究。本研究旨在确定ALS数据中哪些特征能有效描述诺曼底塞吕讷河沿岸八属191棵落叶河岸林树木的属级特征，并采用两种机器学习算法提供分类结果。 研究流程应用于沿河分布的八个树属（共191棵树），使用夏冬两季ALS数据。通过三维点云提取树冠并计算整体形态与内部结构特征，建立包含递增属数量的五个数据集以评估树属区分度。采用逐步二次判别分析（sQDA）和随机森林筛选关键特征，将特征数量从144项降至3-9项（因数据集而异）。sQDA筛选结果显示：随着数据集属数量增加，内部结构特征区分度显著提升。 将筛选特征作为支持向量机（SVM）和随机森林（RF）算法的分类变量，同时采用全特征集进行RF分类（未经筛?。?。最佳分类效果表明：使用sQDA筛选特征+SVM时，三属（橡树、桤木、杨树）分类准确率达83.15%；采用全特征集的RF分类获得相似效果，且在七属和八属分类时达到最优性能。结果表明机器学习算法是绘制河岸树木分布的有效方法。

[2019年IEEE第46届光伏专家会议(PVSC) - 美国伊利诺伊州芝加哥(2019.6.16-2019.6.21)] 2019年IEEE第46届光伏专家会议(PVSC) - 用于钝化接触太阳能电池的多晶硅薄膜氢化处理

摘要： 越南南部（湄公河三角洲）水面以上生长的水稻具有显著的时序后向散射特征，这使得合成孔径雷达（SAR）可用于稻田制图。而越南北部（红河三角洲）因土地利用/土地覆盖类型复杂，SAR稻田制图面临挑战且应用较少。但像高棉河等流域的水文模拟仍需获取稻田信息。本研究旨在探究RADARSAT-2 C波段数据在破碎化大尺度土地利用区识别稻田的潜力，针对研究区不同土地利用/土地覆盖特征，分别为两类数据提出两种方法：对双极化数据的HH同极化比采用基于水稻后向散射时序变化统计分析的阈值技术，对全极化数据及极化数据计算的单一HH极化采用支持向量机（SVM）算法。研究表明RADARSAT-2双极化和全极化数据均可有效识别水稻田，但双极化数据效率低于全极化数据，且SVM分类比阈值技术更具灵活性。全极化与单一极化对比显示，单一HH极化的总体分类精度比全极化数据分类结果低3%-10%。结果表明C波段极化数据对越南北部稻田识别具有实用价值。