[目的/意义]叶面积指数(Leaf Area Index,LAI)作为量化作物冠层结构、光合潜力和群体长势的核心农学参数,对其精准栽培管理至关重要。旨在探索从无人机多光谱影像中提取植被指数和纹理特征,结合机器学习方法实现高精度估测冬油菜LAI的...[目的/意义]叶面积指数(Leaf Area Index,LAI)作为量化作物冠层结构、光合潜力和群体长势的核心农学参数,对其精准栽培管理至关重要。旨在探索从无人机多光谱影像中提取植被指数和纹理特征,结合机器学习方法实现高精度估测冬油菜LAI的可行性。[方法]以甘蓝型油菜作为研究对象,从多光谱影像中提取植被指数和纹理特征作为输入。通过最小冗余最大相关性(Minimum Redundancy Maximum Relevance,mRMR)算法降低特征维度,选择10个最具有代表性和最小冗余的特征并采用3种回归模型进行建模,使用分组交叉验证(Group KFold Cross Validation)评估模型性能,分组依据是油菜样本所属的小区(将来自同一小区的样本视为一组)。[结果和讨论]输入特征为植被指数与纹理特征的机器学习模型优于输入为单一特征模型。其中基于植被指数与纹理特征融合的支持向量机回归(Support Vector Regression,SVR)模型在全生育期的估算精度最优,决定系数R^(2)=0.90;均方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)分别为0.39和0.29。[结论]综上所述,融合无人机多光谱植被指数与纹理特征可高精度地反演冬油菜复杂冠层在全生育期的LAI,以期为油菜长势无损监测与精准管理提供高效技术支撑。展开更多
安全DNS协议DNS-over-HTTPS(DoH)的标准化和部署应用,使DoH隧道成为一种新的隐蔽性网络威胁并受到广泛关注。在云网络环境中对大规模DoH业务流量中潜在的隧道流量进行甄别,需要同时兼顾计算效率和准确率。针对当前基于机器学习的DoH隧...安全DNS协议DNS-over-HTTPS(DoH)的标准化和部署应用,使DoH隧道成为一种新的隐蔽性网络威胁并受到广泛关注。在云网络环境中对大规模DoH业务流量中潜在的隧道流量进行甄别,需要同时兼顾计算效率和准确率。针对当前基于机器学习的DoH隧道检测算法特征效率低、计算复杂度高的问题,设计了一组数据包块长度特征并提出了一种基于最大相关最小冗余(max-Relevance and Min-Re-dundancy,mRMR)特征筛选算法和随机森林算法的低维快速DoH隧道检测方法,该方法通过特征筛选选取对DoH隧道检测任务贡献大的特征,并使用随机森林分类器进行DoH隧道检测任务。实验结果表明,该方法在仅使用10维特征的情况下,达到了与使用24~34维特征的其他算法相当的准确率,可有效降低部署应用的计算复杂度,更好地适应大规模DoH业务流量分析的应用场景。展开更多
文摘安全DNS协议DNS-over-HTTPS(DoH)的标准化和部署应用,使DoH隧道成为一种新的隐蔽性网络威胁并受到广泛关注。在云网络环境中对大规模DoH业务流量中潜在的隧道流量进行甄别,需要同时兼顾计算效率和准确率。针对当前基于机器学习的DoH隧道检测算法特征效率低、计算复杂度高的问题,设计了一组数据包块长度特征并提出了一种基于最大相关最小冗余(max-Relevance and Min-Re-dundancy,mRMR)特征筛选算法和随机森林算法的低维快速DoH隧道检测方法,该方法通过特征筛选选取对DoH隧道检测任务贡献大的特征,并使用随机森林分类器进行DoH隧道检测任务。实验结果表明,该方法在仅使用10维特征的情况下,达到了与使用24~34维特征的其他算法相当的准确率,可有效降低部署应用的计算复杂度,更好地适应大规模DoH业务流量分析的应用场景。
