共查询到16条相似文献，搜索用时 984 毫秒
1.
以250m分辨率的MODIS/NDVI时间序列数据为主要数据源,通过Sacizkky-Golay滤波重建高质量NDVI时间序列数据;同时融合500m分辨率的MODIS多光谱反射率数据和90m分辨率的DEM数据.将非监督分类法和决策树法相结合,进行黑龙江流域土地覆盖分类研究.对分类结果采用已有的土地覆盖数据和高分辨率遥感影像进行精度评价,评价结果表明,利用MODIS/NDVI时间序列数据获得较高精度的土地覆盖分类结果是可行的. 相似文献
2.
在利用主动学习方法进行高光谱图像分类时，往往存在空-谱特征不能得到有效利用和样本需要进行手动标注的问题。针对这些问题，提出一种结合卷积神经网络的主动学习方法进行高光谱图像分类。该方法首先提取像素的空间邻域组成训练样本，通过卷积神经网络对样本的空间特征和光谱特征进行学习并对数据进行初步分类；然后，基于高光谱图像的空间相似性和光谱相似性，对无标注样本进行标注，并将其加入标注训练集以提高分类器的分类精度。在Salinas、PaviaU和Indian Pines这3个高光谱数据上的实验结果表明，该方法能在较少标注样本的情况下，有效提高高光谱图像的分类精度。 相似文献
3.
面向“一带一路”战略对沿线国家空间认知的现实需求，阐述该战略的地理科学内涵。结合对地观测的优势和特点，总结“一带一路”对地观测应用领域。回顾夜光遥感在对地观测中的独特优势，指出夜光遥感在油气开采时空信息挖掘、社会经济参数估算、生态环境评估、城市化过程重建等领域具有应用潜力。认为夜光遥感在服务“一带一路”战略中具有独特作用，契合该战略的地理科学内涵和对地观测科学要素，可为“一带一路”战略的实施提供重要的空间信息支持。 相似文献
4.
针对目前用于遥感图像云检测的神经网络模型存在光谱信息未能充分利用而导致的细节信息易损失、碎云漏检率大、计算复杂等不足,提出一种新型且轻量的网络,称为勺型网络（spoon-net,S-Net）,应用于Landsat遥感图像的云检测。S-Net分为2个阶段,第1阶段,使用1×1的卷积核提取图像光谱特征,避免图像细节被模糊;第2阶段,使用encoder-decoder框架提取图像空间特征,并引入分组卷积,对第1阶段提取的每一层光谱通道单独进行卷积,保持光谱特征并减少模型参数。模型在Landsat8 biome数据训练测试并评估,结果表明模型在内存与时间上具有较大优势,并达到95%的准确率。 相似文献
5.
对于单幅遥感光学图像，目前已经有很多有效的色彩校正算法，但是这些算法需要人工经验或对场景的先验知识，无法满足对快速增长的海量遥感图像进行自动化处理的需求。针对这一问题，提出一种基于稠密卷积神经网络的遥感图像自动色彩校正方法DCN（dense convolutional networks）。该模型可以预测遥感图像的RGB通道的颜色校正系数K，从而对原始图像进行自动色彩校正。DCN使用稠密模块代替部分卷积层，用更少的层数实现更多的连接。DCN模型由3 000幅GF-2号遥感图像在Tensorflow框架上训练得到，损失函数为颜色校正系数向量与真值向量之间的色偏角θ。经过测试验证，校正后的图像与原图像仅有很小的色偏角，且与真实地物颜色吻合。与传统方法相比，该方法在训练后，可直接使用生成的模型对训练集中未出现的图像进行颜色校正，无需对场景的先验知识和人工经验，也无需参考图像，可实现对海量遥感光学图像的自动化色彩校正。与传统的卷积神经网络CNN（convolutional neural networks）相比，基于DCN的模型拥有更少的参数和更好的泛化能力，而且不受输入图像大小的限制，在测试集上有更好的结果。 相似文献
6.
人工神经网络在经济预测中的应用 总被引：2，自引：0，他引：2
王悦 《北京广播电视大学学报》2002,(1):33-37
研究人工神经网络在经济预测中的应用问题,探讨人工神经网络的时间序列预测方法.该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具,提出一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法.为了消除单一神经网络预测模型的系统偏差,探讨组合神经网络时序预测方法,用实例验证了组合神经网络比单一神经网络的预测精度高. 相似文献
7.
由于时间序列在各领域的广泛应用，时间序列预测已经引起越来越多的关注，但关于多维时间序列的预测关注较少.然而，多维时间序列蕴含着丰富的信息.针对该问题，提出基于k近邻（k-nearest neighbor，k-NN）和BP神经网络的多维时间序列组合预测模型.首先分别采用k-NN和BP神经网络进行预测，得到对应的预测结果.然后使用BP神经网络进行非线性组合，得到最终的预测结果.实验表明，该预测模型优于k-NN和BP神经网络预测模型. 相似文献
8.
为探究山地城镇教育设施网络结构及其空间格局的演变特征，以重庆市万州区为例，运用复杂网络分析方法，构建多时段教育设施协作网络模型，计算其强度分布、网络密度、节点强度、网络腹地等指标，反映网络整体性、层级性、核心设施职能结构。结果表明：1）网络整体空间格局由“一核多翼”向“多核多翼”演变；2）不同层级教育设施呈现出“整体破碎-局部集聚”的空间分布格局；3）核心设施职能分为“结对帮扶型”和“集团核心型”，“结对帮扶型”设施网络腹地受空间距离制约较小，而“集团核心型”设施网络腹地受空间距离制约显著。基于此，结合区位、政策、设施功能等空间格局的影响因素，提炼设施空间格局演变模式，并对规划取向进行探讨。 相似文献
9.
在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。 相似文献
10.
本文以北京顺义区为研究区,研究、探讨利用高光谱遥感数据,通过逐级分层分类方法进行农作物信息提取与挖掘的基本思路和步骤。该方法面向应用目标,将复杂的信息提取过程分为相对简单的子过程,每个子过程根据拟提取的目标不同而选择不同特征参数和信息提取方法,从而实现有效地利用高光谱数据丰富的信息,提高了信息提取的精度目的。 相似文献
11.
基于BP神经网络与时间序列分析的柴油机故障诊断 总被引：2，自引：0，他引：2
朱建元 《上海海事大学学报》2006,27(4):22-27
将时间序列分析和神经网络相结合应用于柴油机振动故障诊断.从时间序列分析的结果中提取柴油机故障的特征参数,然后以此建立相应的神经网络,识别柴油机的运行故障,大大提高诊断的准确性.讨论柴油机气阀间隙异常的诊断和柴油机负荷状态的识别,并给出振动特征参数与柴油机工作状态之间的关系. 相似文献
12.
空间辐照干扰尤其是单粒子翻转（SEU）效应对神经网络芯片的正常稳定运行造成很大影响,它会导致存储在芯片SRAM存储器的权重参数随机发生比特位翻转,进而神经元的权重参数值发生变化,直接影响神经网络芯片输出的准确度。在分析现有的一些抗辐照干扰方法基础上,针对芯片硬件开销、恢复时间与处理速度的问题,利用软件仿真研究在不同比例权重参数出错的情况下神经网络的测试准确度,就结果准确度下降的情况,采用dropout算法构建新的网络框架,以一定概率屏蔽受到SEU影响的神经元。仿真实验结果表明,该方法可以提升受SEU干扰神经网络的准确度。 相似文献
13.
为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。 相似文献
14.
应用MODIS 250m分辨率遥感影像对中国华北地区分别采用最大似然法、Parzen窗、CART决策树、BP神经网络F、uzzy ARTMAP神经网络等5种分类方法进行区域尺度上土地覆盖制图的比较试验.结果表明:(1)Parzen窗法分类性能最优,CART和BP其次,Fuzzy ARTMAP表现较差.(2)CART决策树具有较好鲁棒性,但缺点是样本代价较大;BP神经网络分类器能达到较高精度,但缺点是需较高质量的样本、网络结构参数难以确定,造成其稳健性较差;FuzzyARTMAP则未能表现出理想结果.(3)训练样本数量差异造成:最大似然法的分类精度差异值低于5%;Parzen窗法和Fuzzy ARTMAP差异为5%～10%;CART和BP差异在10%以上。 相似文献
15.
针对光电图像中舰船分类检测困难的问题,提出一种基于改进循环注意卷积神经网络(recurrent attention convolutional neural network,RA-CNN)的舰船目标识别方法。该方法中的VGG19采用多个卷积层提取图像特征,注意建议网络(attention proposal network,APN)通过全连接层的输出定位特征区域,然后采用尺度依赖池化(scale-dependent pooling,SDP)算法选择VGG19中合适的卷积层输出进行类别判定,最后引入多特征描述特征区域,交叉训练VGG19和APN来加速收敛和提高模型精度。利用自建舰船数据集对方法进行测试,识别准确率较VGG19和RA-CNN有较大提升,识别准确率最高可达86.7%。 相似文献
16.
为提升极化合成孔径雷达(SAR)地物分类精度,提出一种基于AdaBoost改进型随机森林和支持向量机(SVM)结合的二级分类结构。首先将AdaBoost改进型随机森林作为初级分类器,该分类器能根据决策树的分类能力赋予权重,分类能力越强则权重越高,从而提升初级分类精度。初级分类器还能评估输入特征的重要性,获得重要性排名。根据重要性排名进行特征筛选,用筛选后的特征训练SVM分类器,获取二级分类结果。最后利用邻域投票法将两级分类结果融合。AIRSAR极化数据对比实验表明,该分类结构可有效提升极化SAR地物分类精度。 相似文献