蔡毅
- 作品数：9 被引量：276H指数：4
- 供职机构：北京师范大学地理学与遥感科学学院地表过程与资源生态国家重点实验室更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术天文地球农业科学理学更多>>
- 房屋倒损评估中统计抽样方法的对比分析被引量：1
- 2017年
- 以2014年云南鲁甸地震为例,结合遥感技术对比分析简单随机抽样、分层随机抽样、整群随机抽样在地震房屋倒损抽样调查中的适用性.结果表明:1)简单随机抽样精度最高且稳定性最好,总体精度达98.96%,各类型房屋倒损精度超过97.00%.但过于分散的样本点会使得调查成本非常高,特别是在道路不可通达时,需要考虑无回答样本的误差问题.2)以房屋结构或地震烈度为标识的分层随机抽样精度均较低,这可能是由于影响房屋损毁程度的因子较多,单一分层指标不能较好地反映目标的总体情况,难以体现分层优势.3)整群随机抽样是一种较为理想的抽样方式,其精度仅次于简单随机抽样,总体精度达93.31%,各类型房屋倒损精度均超过85.00%,而且该法有助于减少初级抽样单元数量,方便调查、节省成本.4)通过相关分析与回归分析发现,简单随机抽样、整群随机抽样的变异系数与房屋入样总量间均具有负相关关系,因此可根据实际精度要求,通过提高抽样比的方式降低变异系数来减小估计量方差.
- 蔡毅朱秀芳汤童李宜展
- 关键词：简单随机抽样整群随机抽样
- 半监督集成学习综述被引量：33
- 2017年
- 半监督学习和集成学习是目前机器学习领域中两个非常重要的研究方向,半监督学习注重利用有标记样本与无标记样本来获得高性能分类器,而集成学习旨在利用多个学习器进行集成以提升弱学习器的精度。半监督集成学习是将半监督学习和集成学习进行组合来提升分类器泛化性能的机器学习新方法。首先,在分析半监督集成学习发展过程的基础上,发现半监督集成学习起源于基于分歧的半监督学习方法;然后,综合分析现有半监督集成学习方法,将其分为基于半监督的集成学习与基于集成的半监督学习两大类,并对主要的半监督集成方法进行了介绍;最后,对现有研究进了总结,并讨论了未来值得研究的问题。
- 蔡毅朱秀芳孙章丽陈阿娇
- 关键词：半监督学习BOOSTINGBAGGING泛化性能
- 敏感性分析综述被引量：230
- 2008年
- 介绍了敏感性分析的定义,列出了许多基于数理统计、神经网络和粗糙集知识的敏感性分析方法,并且尝试着对一些常用方法的优缺点进行分析.结合敏感性分析的研究现状,对今后的研究工作提出了一些展望.
- 蔡毅邢岩胡丹
- 关键词：统计分析神经网络
- 基于先验知识的神经网络建模优化
- 人工神经网络在智能信息处理领域十分活跃，历经数年人工神经网络理论获得了长足的发展。随着实际问题复杂性的增强，光靠人工神经网络来处理这些问题，在某些方面已经显得不足。本文将数据中的先验知识引入到人工神经网络的建模中，利用先...
- 蔡毅
- 关键词：先验知识神经网络建模智能信息处理惩罚函数模糊神经网络
- 一种基于遥感抽样的农作物灾情损失评估方法
- 本发明公开了一种基于遥感抽样的农作物灾情损失评估方法，包括如下步骤：(1)获取遥感数据和预处理；(2)遥感抽样方案设计；(3)抽样样方灾情调查；(4)受灾作物总面积、各等级受灾作物面积估算及精度分析和评价。该发明一种基于...
- 朱秀芳蔡毅潘耀忠
- 文献传递
- 一种基于趋势单产和遥感修正模型的混合估产模型被引量：4
- 2017年
- 【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。
- 陈昌为朱秀芳蔡毅郭航
- 关键词：估产模型冬小麦ARIMA模型归一化植被指数
- 基于遥感抽样的农作物灾害损失评估方法(Ⅱ)——实证实验研究被引量：2
- 2015年
- 为实现农业保险中快速精确获取农作物受灾面积与受灾等级的目标,作者设计了一套基于分层系统抽样的农作物受灾评估方法.本文基于该方法,以GF-1影像为实验数据,对2014年河南襄城2个村进行了旱灾灾情评估.实证研究表明:研究区受灾面积总量反推精度为90.00%左右,各等级受灾面积精度均在80.00%以上,基于遥感抽样的方法能获取高精度的受灾总面积和各等级受灾面积,且该方法成本低、效率高,具有广泛应用前景.此外,相对于通常以遥感反演参数直接人为进行等级划分的受灾等级评估方法,这种以真实减产比率为基础的方法可以为不同灾种、不同地区间的灾情程度的比较提供依据.
- 蔡毅朱秀芳李慕义李宜展
- 关键词：受灾面积
- 基于遥感抽样的农作物灾害损失评估方法(Ⅰ)——模拟实验研究被引量：5
- 2015年
- 受灾面积与受灾等级是农作物灾情评估的重要内容,本文基于遥感辅助抽样调查的方法设计了一套灾情评估流程,实现对受灾面积与等级的快速评估。本文以Landsat-8影像为实验数据,高分一号影像为模拟真值数据,对济南市长清区2013年夏玉米内涝进行了模拟实验研究。实验结果表明,采用回归估计与比率估计两类常用估计量进行外推,总受灾面积反推精度均在90%以上,各等级受灾面积的反推精度均在80%以上,这证明了遥感数据辅助抽样设计的方法应用于作物的灾害评估具有精度可行性;而且通过一次抽样调查可同时完成受灾面积和受灾等级评估,所以该套方法可以提高评估效率,降低评估成本。由于影像数据、反演指标、抽样方法、外推估计量等多种因素会对评估精度造成不确定性,将来仍需通过实证研究对该法进行进一步验证。
- 蔡毅朱秀芳陈阿娇
- 关键词：分层抽样受灾面积
