基于自适应切换字典的林区微环境压缩

发布时间：2021-11-16 01:12

　　物质丰富的自然界是生存的理想家园,林区资源作为一项永不枯竭的自然资源,具有蓄洪抗旱、净化空气等作用,在人类的生产生活中,林区存在的大量植物与微生物,也为工农业生产也提供了重要的原料。然而虽然我国森林资源总量不断增加,但仍存在着覆盖率不足、分布不均等状况,植物生老病死与频频发生的火险灾害对于森林本身持续发展是极其不利的,对林区微环境进行生态监测与是一种既能有效判断植物生长状况,又能及时进行火险预警的措施。林区微环境监测通过传感器对植物生长环境进行判断,上传大量信息数据至检测平台对应数据库。在监测站数量不断增多的过程中,数据传输需要耗费更多的能源和存储空间,在偏远林区经常出现因能源供应不及时而导致监测站断电、数据中断等问题,对数据进行压缩可以使此类问题得到改善。该文章提出了使用自适应切换字典的方法,对压缩感知理论的稀疏化步骤进行研究分析,比较了两种稀疏方法:DCT字典与K-SVD字典的压缩性能与误差,在重构误差的基础上将样本进行分类,并组合成自适应切换字典,使不同样本能够自动切换使用误差更小的稀疏方法。在切换方法的选择上,分别使用两种自适应切换方法:BP神经网络与SVM支持向量机,使用自适... 

【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

监测站分布图

样中断

基于K-SVD字典的林区微环境信息压缩23（a）（b）（c）（d）（e）（f）图3.1K-means方法流程Fig.3.1K-meansmethodflow（a）：蓝色点集代表了初始数据，如图可大致分为两类，因此令的值为2；（b）：根据步骤(a)中簇的分类值，随机选取个点作为质心，在图中显示为红色圆点（大）与绿色圆点（大）；（c）：根据欧式距离对所有的初始数据点进行分类，距离红色质心更近的标为红色，距离绿色质心更近的标为绿色；（d）：根据个分类，根据质心计算公式重新计算各个簇的质心，并取代步骤（c）中质心的位置；（e）：舍弃所有数据的类别，重新对数据点进行分类，分类方法与步骤（c）相同；（f）：重复步骤(d)和(e)，直到新质点的位置与上一步骤中质点的位置变换不大，达到或接近某一阈值，停止当前迭代步骤，算法完成。K-SVD算法中的字典指的是过完备矩阵，使得原始信号向量可以用字典中列向量的线性组合表示，即为稀疏表达。它与K-means算法主要有两点不同：在稀疏编码上，K-means算法通过计算点之间欧式距离进行分类，它的目标也是进行聚类，而K-SVD算法利用线性组合逼近原始样本矩阵，更适合对数据样本的压缩；在字典更

【参考文献】：
期刊论文
[1]基于第九次全国森林资源清查的中国竹资源分析[J]. 李玉敏,冯鹏飞.  世界竹藤通讯. 2019(06)
[2]强化森林资源保护,维护森林生态平衡[J]. 蒋得红.  现代园艺. 2019(24)
[3]加强森林资源保护 促进林业可持续发展[J]. 陈强.  吉林农业. 2019(24)
[4]浅析森林资源管理和新时代生态林业发展构想[J]. 黄贤举.  农家参谋. 2019(23)
[5]森林在雾霾防治中的作用[J]. 迟岩.  吉林农业. 2019(22)
[6]森林资源保护的重要性及措施探究[J]. 张其云.  种子科技. 2019(15)
[7]低相干高鲁棒性观测矩阵优化[J]. 赵辉,张乐,刘莹莉,张静,张天骐.  西安电子科技大学学报. 2019(06)
[8]基于切换字典的林区小气候监测数据压缩感知方法[J]. 郑一力,赵玥,赵燕东,谢辉平.  农业机械学报. 2019(11)
[9]林改背景下森林资源培育现状分析与优化对策探讨[J]. 熊惠郴,唐新国.  传播力研究. 2019(24)
[10]基于GPRS模块的无线通信系统设计[J]. 陈武.  通信电源技术. 2018(10)

硕士论文
[1]基于压缩感知的信号重构方法研究[D]. 胡云峰.东北电力大学 2019
[2]一种光电互补供电系统功率分配控制及应用研究[D]. 洪志.合肥工业大学 2017
[3]基于压缩感知的低带宽嵌入式图像采集传输系统的研究[D]. 刘鸿翔.燕山大学 2016
[4]压缩感知重构算法及其应用研究[D]. 徐立军.中北大学 2016
[5]基于K-SVD的字典学习算法及应用研究[D]. 刘敏.西南科技大学 2016
[6]北斗卫星短报文通信控制系统研究[D]. 郭丹.西北大学 2015
[7]稀疏表示理论及其应用研究[D]. 谢浪雄.广东工业大学 2015
[8]基于数据压缩的无线传感器网络节能技术研究[D]. 项鹏远.浙江工业大学 2012



本文编号：3497884