论文摘要
针对目前地下小型磁目标形状识别局限于磁测数据的反演,受测量精度影响大,识别效果不理想的问题,提出了基于磁梯度张量和支持向量机的地下磁目标模式识别方法。该方法将机器学习的方法引入地下磁目标识别领域,利用量子粒子群改进的支持向量机（QPSO-SVM）识别地下小目标的形状。同时从样本信号中计算并分离出基于磁梯度张量矩阵的9个特征量联合识别磁目标,并对磁异常数据进行化极和延拓处理,提高了数据质量,使数据特征更突出。仿真和实验结果证明,本方法克服了重磁数据正、反演过程中大量的公式推导和计算,降低了对磁测数据精度的依赖,提高了识别正确率。
论文目录
文章来源
类型: 期刊论文
作者: 郑建拥,范红波,张琪,李志宁
关键词: 磁梯度张量,量子粒子群支持向量机,磁目标识别,磁异常信号处理
来源: 探测与控制学报 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑,基础科学
专业: 地质学,地球物理学
单位: 陆军工程大学石家庄校区,中国人民解放军94019部队
分类号: P641.7
页码: 81-86
总页数: 6
文件大小: 2027K
下载量: 117
相关论文文献
- [1].长方体全张量磁梯度的两种正演公式对比[J]. 世界地质 2019(04)
- [2].基于重力梯度张量数据的欧拉反演在梅山铁矿的应用[J]. 地球物理学进展 2020(02)
- [3].计算张量指数函数的广义逆张量ε-算法[J]. 自动化学报 2020(04)
- [4].一种新的有噪张量秩的估计方法[J]. 南昌工程学院学报 2020(03)
- [5].约束张量规范多元分解时变社区图模型检测[J]. 计算机工程与设计 2020(08)
- [6].基于旋转装置的磁梯度张量测量方法[J]. 测试技术学报 2020(05)
- [7].基于同步性脑网络的支持张量机情绪分类研究[J]. 电子与信息学报 2020(10)
- [8].张量分解及其在统计模型中的应用[J]. 应用数学与计算数学学报 2018(04)
- [9].非广义H-张量的判定准则（英文）[J]. 应用数学 2019(04)
- [10].几类张量乘积的介绍[J]. 哈尔滨师范大学自然科学学报 2018(01)
- [11].两个基于不同张量乘法的四阶张量分解[J]. 运筹学学报 2018(02)
- [12].一种磁张量探测系统载体的磁张量补偿方法[J]. 地球物理学报 2016(01)
- [13].二维解析张量投票算法研究[J]. 自动化学报 2016(03)
- [14].低秩张量补全算法综述[J]. 陕西理工学院学报(自然科学版) 2016(02)
- [15].正交张量的结构[J]. 洛阳师范学院学报 2016(05)
- [16].基于多源共享因子的多张量填充[J]. 中国科学:信息科学 2016(07)
- [17].弹球支持张量机分类器[J]. 模式识别与人工智能 2016(07)
- [18].判定强H-张量迭代算法研究[J]. 滨州学院学报 2016(04)
- [19].M-张量的更多性质[J]. 哈尔滨商业大学学报(自然科学版) 2015(01)
- [20].张量树学习算法[J]. 南京大学学报(自然科学) 2015(02)
- [21].关于弱正张量性质的研究（英文）[J]. 南开大学学报(自然科学版) 2015(04)
- [22].有关非负张量的一些性质[J]. 哈尔滨商业大学学报(自然科学版) 2015(04)
- [23].H-张量判定的新迭代准则探讨[J]. 今日财富 2019(21)
- [24].张量投票法及其应用[J]. 电子制作 2013(24)
- [25].基于张量分解的排序学习在个性化标签推荐中的研究[J]. 计算机科学 2020(S2)
- [26].张量伪谱的包含域[J]. 重庆师范大学学报(自然科学版) 2019(02)
- [27].基于快速上下文感知张量分解的噪声推断方法[J]. 科技视界 2017(26)
- [28].张量与矩阵乘积的递推算法及相关问题[J]. 东华大学学报(自然科学版) 2015(05)
- [29].张量表达在回归中的应用[J]. 宿州学院学报 2016(08)
- [30].基于张量形态的反调和图像边缘检测算法[J]. 微电子学与计算机 2015(06)
标签：磁梯度张量论文; 量子粒子群支持向量机论文; 磁目标识别论文; 磁异常信号处理论文;