检索结果-维普期刊中文期刊服务平台

脉冲神经元序列学习方法的影响因素研究被引量：8: 1; 作者徐彦杨静《计算机工程》 CAS CSCD 北大核心 2015年第11期194-201,共8页; 远程有监督方法(ReSuMe)通过计算神经元运行时的输出脉冲和输入脉冲的时间差调整突触权值,是目前在理论基础和实际应用上都较出色的脉冲神经元有监督学习方法,但是当期望输出脉冲序列较长时,ReSuMe方法的学习精度较低。为解决该问题,分... 展开更多; 关键词脉冲神经元远程有监督方法脉冲序列学习脉冲神经网络脉冲反应模型; 在线阅读下载PDF 职称材料

基于样本类别确定度的半监督分类被引量：4: 2; 作者高飞朱福利《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第9期1941-1951,共11页; 在对遥感图像进行分类时,全监督算法往往需要足够的标记样本进行训练,然而标记的过程是耗时和昂贵的,相反收集大量的无标记样本是很容易的。为了在学习过程中能够有效利用未标记样本的信息,本文提出了基于样本类别确定度(CCS)的半监督... 展开更多; 关键词遥感图像半监督分类类别确定度半监督线性判别分析核方法; 在线阅读下载PDF 职称材料

基于TM数据耕地面积提取方法研究被引量：10: 3; 作者王国芳《山西农业科学》 2011年第4期374-375,378,共3页; 粮食作物的播种面积、产量等信息是国家制定粮食政策和经济计划的重要依据。以昔阳县为研究区域,主要应用TM数据,结合研究区土地利用现状图,基于光谱信息,提取了耕地和非耕地信息,最后利用最大似然法监督分类得出耕地面积为29242.1 hm2... 展开更多; 关键词遥感 TM数据耕地面积监督分类最大似然法; 在线阅读下载PDF 职称材料

基于无人机可见光图像的作物分类研究被引量：9: 4; 作者李志铭赵静 +2 位作者兰玉彬崔欣杨焕波《西北农林科技大学学报（自然科学版）》 CSCD 北大核心 2020年第6期137-144,154,共9页; 【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获... 展开更多; 关键词作物分类识别无人机遥感可见光图像特征选择监督分类; 在线阅读下载PDF 职称材料

深度学习在高分遥感图像场景分类中的应用被引量：5: 5; 作者曾黎徐慧颖 +1 位作者陈晓昊钱晓亮《计算机工程与应用》 CSCD 北大核心 2021年第10期57-64,共8页; 高分遥感图像场景分类致力于自动辨别土地利用或覆盖的类别,在军事和国土资源勘探等领域具有重要的应用价值。基于深度学习的高分遥感图像场景分类方法取得了比传统方法更好的效果,也是当前研究的热点,对此类方法进行归纳总结和综合评... 展开更多; 关键词高分遥感图像深度学习场景分类监督方式; 在线阅读下载PDF 职称材料

题名脉冲神经元序列学习方法的影响因素研究被引量：8: 1; 作者徐彦杨静; 机构南京农业大学信息科技学院北京师范大学珠海分校管理学院; 出处《计算机工程》 CAS CSCD 北大核心 2015年第11期194-201,共8页; 基金国家自然科学基金资助项目(61403205) 中央高校基本科研业务费专项基金资助项目(KJQN201549); 文摘远程有监督方法(ReSuMe)通过计算神经元运行时的输出脉冲和输入脉冲的时间差调整突触权值,是目前在理论基础和实际应用上都较出色的脉冲神经元有监督学习方法,但是当期望输出脉冲序列较长时,ReSuMe方法的学习精度较低。为解决该问题,分析影响ReSuMe方法性能的2个主要因素:在线、离线学习方式及学习过程中更新突触权值时输入脉冲的选取。在线学习精度一般高于离线学习,但是学习精度的差异随着参数或者其他设置的不同有较大差别。针对输入脉冲的选取,提出一种新的学习策略以改进ReSuMe方法,该策略在计算权值调整幅度时综合考虑期望输出与实际输出脉冲序列,从而避免增强与减弱权值时输入脉冲出现重叠干扰。实验结果表明,新的学习策略可以有效提高ReSuMe方法的学习精度及其解决实际问题的能力。; 关键词脉冲神经元远程有监督方法脉冲序列学习脉冲神经网络脉冲反应模型; Keywords spiking neuron remote supervised method （resume） spiking sequence learning spiking neural network Spiking Response Model（ SRM ）; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于样本类别确定度的半监督分类被引量：4: 2; 作者高飞朱福利; 机构北京航空航天大学电子信息工程学院; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第9期1941-1951,共11页; 基金国家自然科学基金(61771027)~~; 文摘在对遥感图像进行分类时,全监督算法往往需要足够的标记样本进行训练,然而标记的过程是耗时和昂贵的,相反收集大量的无标记样本是很容易的。为了在学习过程中能够有效利用未标记样本的信息,本文提出了基于样本类别确定度(CCS)的半监督分类算法。首先,利用多分类支持向量机(SVM)得到未标记样本属于各类别的确定度,有效地衡量了未标记样本类别可靠性;其次,对样本类别确定度进行预处理,提升利用未标记样本的安全性;最后,基于样本类别确定度设计了半监督线性判别分析(LDA)降维算法并对其进行核化,使得样本在降维后的子空间更具有可分性,并根据降维后的数据特点,采用最近邻分类器对新样本进行分类。利用真实的合成孔径雷达(SAR)图像进行测试,验证了在标记样本较少的情况下,本文算法在性能上优于全监督和其他半监督算法,并能够快速收敛。; 关键词遥感图像半监督分类类别确定度半监督线性判别分析核方法; Keywords remote sensing image semi-supervised classification class certainty semi-supervised linear discriminant analysis kernel method; 分类号 V221.3 [航空宇航科学与技术—飞行器设计] TB553 [理学—声学]; 在线阅读下载PDF 职称材料

题名基于TM数据耕地面积提取方法研究被引量：10: 3; 作者王国芳; 机构山西农业大学资源与环境学院; 出处《山西农业科学》 2011年第4期374-375,378,共3页; 文摘粮食作物的播种面积、产量等信息是国家制定粮食政策和经济计划的重要依据。以昔阳县为研究区域,主要应用TM数据,结合研究区土地利用现状图,基于光谱信息,提取了耕地和非耕地信息,最后利用最大似然法监督分类得出耕地面积为29242.1 hm2,分类结果精度达到93.3%。; 关键词遥感 TM数据耕地面积监督分类最大似然法; Keywords remote sensing TM data cultivation land area supervised classification maximum likelihood method; 分类号 P271 [天文地球—测绘科学与技术]; 在线阅读下载PDF 职称材料

题名基于无人机可见光图像的作物分类研究被引量：9: 4; 作者李志铭赵静兰玉彬崔欣杨焕波; 机构山东理工大学农业工程与食品科学学院国家精准农业航空施药技术国际联合研究中心山东理工大学分中心; 出处《西北农林科技大学学报（自然科学版）》 CSCD 北大核心 2020年第6期137-144,154,共9页; 基金中央引导地方科技发展专项“精准农业航空技术与装备研发”。; 文摘【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。; 关键词作物分类识别无人机遥感可见光图像特征选择监督分类; Keywords crop classification and recognition UAV remote sensing visible image feature selection method supervised classification; 分类号 S127 [农业科学—农业基础科学]; 在线阅读下载PDF 职称材料

题名深度学习在高分遥感图像场景分类中的应用被引量：5: 5; 作者曾黎徐慧颖陈晓昊钱晓亮; 机构郑州轻工业大学电气信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2021年第10期57-64,共8页; 基金国家自然科学基金(62076223) 河南省科技攻关项目(202102210347,202102210143)。; 文摘高分遥感图像场景分类致力于自动辨别土地利用或覆盖的类别,在军事和国土资源勘探等领域具有重要的应用价值。基于深度学习的高分遥感图像场景分类方法取得了比传统方法更好的效果,也是当前研究的热点,对此类方法进行归纳总结和综合评估。按照监督方式的不同,对基于深度学习的流行方法进行了逐类分析。对不同监督方式下的流行方法在三个公开数据集上进行了定量实验评估。总结了基于不同监督方式方法的特点,并对下一步发展趋势进行了展望。; 关键词高分遥感图像深度学习场景分类监督方式; Keywords high resolution remote sensing image deep learning scene classification supervision method; 分类号 TP753 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	脉冲神经元序列学习方法的影响因素研究	徐彦杨静	《计算机工程》 CAS CSCD 北大核心	2015	8	在线阅读下载PDF 职称材料
2	基于样本类别确定度的半监督分类	高飞朱福利	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2018	4	在线阅读下载PDF 职称材料
3	基于TM数据耕地面积提取方法研究	王国芳	《山西农业科学》	2011	10	在线阅读下载PDF 职称材料
4	基于无人机可见光图像的作物分类研究	李志铭赵静兰玉彬崔欣杨焕波	《西北农林科技大学学报（自然科学版）》 CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
5	深度学习在高分遥感图像场景分类中的应用	曾黎徐慧颖陈晓昊钱晓亮	《计算机工程与应用》 CSCD 北大核心	2021	5	在线阅读下载PDF 职称材料