基于深度图像的人体关节点定位方法

提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为 68%,相较 Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧 150ms,符合实用性要求。     

一种部分森林覆盖环境电波传播特性预测方法

针对部分森林覆盖环境中传播媒介的非均匀性,提出一种基于动态网格的抛物方程(PE)预测方法,该方法采用宽角PE法进行大区域电波传播特性预测。为平衡PE求解的准确性与时效性,引入动态网格技术。通过仿真算例,探讨了基于动态网格的PE法在部分森林覆盖环境电波传播特性预测中的有效性。结果表明:在计算精度相似的情况下,相对于均匀细网格,动态网格会大大减少PE所需的计算时间;而相比均匀粗网格,动态网格具有更高的计算精度。     

基于ANP的直升机单机森林灭火训练效能评估

现有的直升机单机森林灭火训练效能评估方法仅针对取水灭火过程,忽视了其他任务环节对训练效能的贡献,并假设指标间相互独立,因此导致评估指标体系不全面、指标权重分配不合理,评估结果的可靠性低。利用离散事件系统建模理论建立的事件活动流将直升机单机森林灭火训练任务分解成若干相关活动,活动映射法对各活动效能要素进行分析并转化为效能评估指标,最终构建出全面的两维度效能评估指标体系;网络分析法(ANP)的使用考虑了评估指标间具有的依赖和相关关系,对指标权重进行重新合理分配,评估方法更符合问题的实际情况,评估结果更加可信。基于超级决策(SD)软件的案例分析表明,所提出的效能评估方法具有工程应用的可行性和参考价值。     

基于泛化熵随机森林的雷达目标航迹起始方法

文章提出了一种基于泛化熵随机森林的雷达目标航迹起始方法,通过引入一种泛化熵可调参数,解决了传统随机森林算法对差异数据集泛化能力和适应性差且难以确定全局最优解的难题。首先利用雷达多周期回波数据构建随机森林算法决策模型,其次基于设计的泛化熵处理规则对实测数据进行分类处理得到所需测试样本,最后将测试样本输入完成模型训练的随机森林进行迭代寻优和自主决策以获取雷达目标的航迹起始结果。雷达实测数据验证表明,文章所提出的方法相比于传统随机森林方法具有更为优越的目标航迹起始性能。     

基于增量式孤立森林的液体火箭发动机异常检测方法

为解决液体火箭发动机故障标签缺失条件下流数据无监督检测问题,以及满足不同发动机台次和不同工况的自适应检测需求,基于增量学习思想,提出了基于增量式孤立森林的异常检测算法。设计了多工况流数据检测条件下的在线更新策略、异常分数表达式,并通过更新停止策略避免故障数据对模型的污染。利用多台次试车数据对该模型进行验证,并与传统方法进行比较,结果表明,该算法能够对样本异常程度进行量化评价,能够有效检测早期缓变故障,其F₁指标较原始孤立森林算法提高了43%,检测及时性优于红线算法和自适应阈值算法。     

基于随机森林的航空器到达时刻预测

航空器到达时刻（ ETA）预测是进场排序与调度的基础，因此进场飞行时间的快速与准确预测显得尤为重要。通过分析航班信息、天气信息以及空中交通信息，基于随机森林算法构建了航空器到达时刻预测模型。选取上海浦东机场进场航班进行仿真验证，仿真结果表明，预测模型可以实现航空器到达时刻的快速与准确预测。     

利用随机森林算法的卫星控制系统故障诊

针对卫星姿态控制系统存在闭环控制，外部干扰强，进而影响故障诊断准确性和实时性的问题，提出了一种利用随机森林算法的卫星姿态控制系统姿态敏感器和执行器故障诊断方法。首先，采集不同故障情形下卫星姿态控制系统的输入输出数据，进行特征提取。随后通过随机有放回抽样划分训练集和测试集，建立基于随机森林算法的故障诊断模型。利用生成的随机森林模型，对实时输入输出数据进行分类，实现卫星姿态控制系统的故障诊断。利用卫星姿态控制系统半物理仿真平台的数据进行实验，对比实验结果表明：本文所提方法可以实现故障高精度分离，并具有更好的实时性，适用于卫星姿态控制系统的故障诊断问题。     

基于随机森林的风洞马赫数预测模型

在风洞试验中,马赫数的稳定性和快速性对风洞流场品质有着重要影响。为了实现马赫数的精确控制,必须对马赫数进行快速、准确的预测。风洞试验积累了大量数据,大数据集包含了更多的有益信息,为实现马赫数的精确预测提拱了可能性,但也增加了建模的复杂度。通常高度复杂的模型会加重其在实际使用时的计算负担。针对大数据集问题,本文将随机森林方法应用于风洞马赫数建模。随机森林是一种集成模型建模方法,它从3方面降低模型的复杂度:产生多个样本子集,减少了子模型的训练样本个数;具有并行集成结构,子模型可在不同的CPU上运行,提高了运行速度;以简单学习算法回归树作为基学习机,降低了子模型的复杂度。试验证明基于随机森林的马赫数预测模型能够有效利用试验积累的大数据,满足工程上预测速度及精度的要求。     

澳大利亚东南部森林山火HJ卫星遥感监测

以2009年2月发生在澳大利亚东南部的森林山火为研究对象,利用HJ-1B遥感影像识别森林山火,分析HJ-1B在林火灾害事故中的监测能力,通过对HJ-1B IRS B07设计参数及数据特点进行分析,提出适用于HJ-1B卫星林火监测的归一化火点指数(Ku)算法.研究表明:Ku值大于0.40为潜在可能的火点像元,云耀斑和地表虚假高温点是影响林火监测的主要噪声.由于HJ-1B没有获取到研究区域未着火前的影像数据,利用MODIS(Moderate-resolution Imaging Spectroradiometer)空间分辨率为250 m的通道1和通道2计算植被指数,其结果能较好的应用于HJ-1B林火监测算法中.通过对比分析HJ-1B林火监测结果和MODIS林火产品MOD14认为,HJ-1B能更好的监测出澳大利亚东南部森林火灾,反映出火灾的局部空间分布和细节特征.     

基于随机森林的航天器电信号多分类识别方法

针对航天器电特性信号数据存在数据量大、特征维数高、计算复杂度大和识别率低等问题,提出基于主成分分析(PCA)的特征提取方法和随机森林(RF)算法,对原始数据进行降维,提高计算效率和识别率,实现对航天器电信号数据的快速、准确识别分类。随机森林算法在处理高维数据上具有优越的性能,但是考虑到时间复杂度问题,利用主成分分析方法对数据进行压缩和降维,在保证准确率的同时提高了计算效率。实验结果表明:与其他算法相比,针对航天器电特性信号数据,本文方法在准确率、计算效率和稳定性等方面均显示出优异的性能。