期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法
被引量：
6
1
作者
秦先祥
余旺盛
+2 位作者
王鹏
陈天平
邹焕新
《雷达学报（中英文）》
CSCD
北大核心
2020年第3期525-538,共14页
针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然...
针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然后利用所训练的CV-CNN完成极化SAR图像的分类。基于3幅实测极化SAR图像的实验结果表明,该文方法能够有效剔除异质样本,与采用原始物体框标注样本的传统全监督分类方法相比可以获得明显更优的分类结果,并且该方法采用CV-CNN比采用经典的支持矢量机(SVM)或Wishart分类器性能更优。
展开更多
关键词
极化SAR
弱监督分类
复值卷积神经网络
样本精选
在线阅读
下载PDF
职称材料
基于复数协方差卷积神经网络的运动想象脑电信号解码方法
2
作者
黄仁慧
张锐锋
+3 位作者
文晓浩
闭金杰
黄守麟
李廷会
《广西师范大学学报(自然科学版)》
北大核心
2025年第3期43-56,共14页
深度挖掘和利用脑电信号的特征信息,以提高运动想象的分类性能,一直是脑机接口的研究热点。考虑到脑电特征空间具有高维性且与幅值和相位密切相关,如何有效表达和同时利用脑电的幅值和相位信息已经成为一个难题。为此,本研究提出一种基...
深度挖掘和利用脑电信号的特征信息,以提高运动想象的分类性能,一直是脑机接口的研究热点。考虑到脑电特征空间具有高维性且与幅值和相位密切相关,如何有效表达和同时利用脑电的幅值和相位信息已经成为一个难题。为此,本研究提出一种基于复数协方差特征的三维复值卷积神经网络。首先,构建脑电不同频率下的复数协方差矩阵特征,不仅通过复值表示将幅值和相位信息结合在一起,并且保留分类所需的多变量信息,如幅值、相位、空间位置、频率等。其次,设计针对多复数协方差特征的全复数卷积神经网络,实现运动想象任务的高性能分类。在2个公开数据集上的实验结果表明,本研究提出的方法可获得比现有前沿方法至少高出2.49和1.85个百分点的平均准确率。
展开更多
关键词
脑电信号
脑机接口
幅相信息融合
复
数协方差特征
复值卷积神经网络
信息交互
在线阅读
下载PDF
职称材料
结合Tri-training和CV-CNN的半监督PolSAR图像分类
3
作者
谢雯
马改妮
+2 位作者
赵凤
刘汉强
张璐
《计算机应用研究》
CSCD
北大核心
2021年第8期2537-2542,共6页
现有深度学习算法应用于PolSAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是PolSAR图像可获取的标签样本十分有限。针对上述问题,结合Tri-tra...
现有深度学习算法应用于PolSAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是PolSAR图像可获取的标签样本十分有限。针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督PolSAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本,然后将其加入到复值卷积神经网络的训练样本中并用于模型训练,最终完成图像分类任务。通过四幅PolSAR图像分类的仿真实验表明,该算法不仅能够有效提升伪标签样本的可靠性,同时还可提高模型的分类准确率。
展开更多
关键词
PolSAR图像分类
Wishart分类器
Tri-training算法
复值卷积神经网络
在线阅读
下载PDF
职称材料
题名
基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法
被引量：
6
1
作者
秦先祥
余旺盛
王鹏
陈天平
邹焕新
机构
空军工程大学信息与导航学院
国防科技大学电子科学学院
出处
《雷达学报（中英文）》
CSCD
北大核心
2020年第3期525-538,共14页
基金
国家自然科学基金(41601436,61403414,61703423)
陕西省自然科学基础研究计划(2018JM4029)。
文摘
针对物体框标注样本包含大量异质成分的问题,该文提出了一种基于复值卷积神经网络(CV-CNN)样本精选的极化SAR(PolSAR)图像弱监督分类方法。该方法首先采用CV-CNN对物体框标注样本进行迭代精选,并同时训练出可直接用于分类的CV-CNN。然后利用所训练的CV-CNN完成极化SAR图像的分类。基于3幅实测极化SAR图像的实验结果表明,该文方法能够有效剔除异质样本,与采用原始物体框标注样本的传统全监督分类方法相比可以获得明显更优的分类结果,并且该方法采用CV-CNN比采用经典的支持矢量机(SVM)或Wishart分类器性能更优。
关键词
极化SAR
弱监督分类
复值卷积神经网络
样本精选
Keywords
PolSAR
Weakly supervised classification
Complex-Valued Convolutional Neural Network(CVCNN)
Sample refinement
分类号
TN958 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
基于复数协方差卷积神经网络的运动想象脑电信号解码方法
2
作者
黄仁慧
张锐锋
文晓浩
闭金杰
黄守麟
李廷会
机构
广西师范大学电子与信息工程学院/集成电路学院
出处
《广西师范大学学报(自然科学版)》
北大核心
2025年第3期43-56,共14页
基金
国家自然科学基金(62466006)
广西科技计划青年创新人才科研专项(桂科AD23026245)。
文摘
深度挖掘和利用脑电信号的特征信息,以提高运动想象的分类性能,一直是脑机接口的研究热点。考虑到脑电特征空间具有高维性且与幅值和相位密切相关,如何有效表达和同时利用脑电的幅值和相位信息已经成为一个难题。为此,本研究提出一种基于复数协方差特征的三维复值卷积神经网络。首先,构建脑电不同频率下的复数协方差矩阵特征,不仅通过复值表示将幅值和相位信息结合在一起,并且保留分类所需的多变量信息,如幅值、相位、空间位置、频率等。其次,设计针对多复数协方差特征的全复数卷积神经网络,实现运动想象任务的高性能分类。在2个公开数据集上的实验结果表明,本研究提出的方法可获得比现有前沿方法至少高出2.49和1.85个百分点的平均准确率。
关键词
脑电信号
脑机接口
幅相信息融合
复
数协方差特征
复值卷积神经网络
信息交互
Keywords
electroencephalogram
brain-computer interface
fusion of amplitude and phase information
complex covariance features
complex-valued convolutional neural network
information interactive
分类号
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
结合Tri-training和CV-CNN的半监督PolSAR图像分类
3
作者
谢雯
马改妮
赵凤
刘汉强
张璐
机构
西安邮电大学通信与信息工程学院(人工智能学院)
公安部电子信息现场勘验应用技术重点实验室
陕西师范大学计算机学院
出处
《计算机应用研究》
CSCD
北大核心
2021年第8期2537-2542,共6页
基金
国家自然科学基金资助项目(61901365,62071379,62071378,62071380,61571361)
陕西省自然科学基金资助项目(2019JQ-377,2020JM-299)
+2 种基金
陕西省教育厅专项科研计划资助项目(19JK0805)
西安邮电大学西邮新星团队项目(xyt2016-01)
中央高校基础研究基金资助项目(GK201903092)。
文摘
现有深度学习算法应用于PolSAR图像分类时,较少考虑该图像数据的复数特点,使得数据的复数域信息不能被充分利用;同时,深度学习需要大量的标签样本作为模型的训练样本,但是PolSAR图像可获取的标签样本十分有限。针对上述问题,结合Tri-training算法和复值卷积神经网络(CV-CNN)提出了半监督PolSAR图像分类算法。首先通过Wishart分类器和Tri-training算法获取一些可靠性较高的伪标签样本,然后将其加入到复值卷积神经网络的训练样本中并用于模型训练,最终完成图像分类任务。通过四幅PolSAR图像分类的仿真实验表明,该算法不仅能够有效提升伪标签样本的可靠性,同时还可提高模型的分类准确率。
关键词
PolSAR图像分类
Wishart分类器
Tri-training算法
复值卷积神经网络
Keywords
PolSAR image classification
Wishart classifier
Tri-training
complex valued convolutional neural network(CV-CNN)
分类号
TP393.04 [自动化与计算机技术—计算机应用技术]
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
基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法
秦先祥
余旺盛
王鹏
陈天平
邹焕新
《雷达学报（中英文）》
CSCD
北大核心
2020
6
在线阅读
下载PDF
职称材料
2
基于复数协方差卷积神经网络的运动想象脑电信号解码方法
黄仁慧
张锐锋
文晓浩
闭金杰
黄守麟
李廷会
《广西师范大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
结合Tri-training和CV-CNN的半监督PolSAR图像分类
谢雯
马改妮
赵凤
刘汉强
张璐
《计算机应用研究》
CSCD
北大核心
2021
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
