-
题名基于深度学习和层次语义模型的极化SAR分类
被引量：13
- 1
-
-
作者
石俊飞
刘芳
林耀海
刘璐
-
机构
西安电子科技大学计算机学院
西安理工大学计算机科学与工程学院
西安电子科技大学智能感知与图像理解教育部重点实验室
福建农林大学计算机与信息学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2017年第2期215-226,共12页
-
基金
国家重点基础研究发展计划(973计划)(2013CB329402)
国家自然科学基金(61573267
+5 种基金
61571342
61572383)
国家自然科学基金青年科学基金项目(31300473)
教育部"长江学者和创新团队发展计划"(IRT1170)
高等学校学科创新引智计划(B07048)
福建省自然科学基金(2014J01073)资助~~
-
文摘
针对复杂场景的极化合成孔径雷达(Synthetic aperture radar,SAR)图像,堆叠自编码模型能够自动学习高层特性,有效表示城区、森林等复杂地物的结构,然而,却难以保持图像的边界和细节.为了克服该缺点,本文结合深度自编码器和极化层次语义模型(Polarimetric hierarchical semantic model,PHSM),提出了新的无监督的极化SAR图像分类算法.该方法根据极化层次语义模型,将复杂的极化SAR图像划分为聚集、匀质和结构三大区域.对聚集区域,采用堆叠自编码模型进行高层特征表示,并构造字典得到稀疏特征进行分类;对匀质区域,采用层次模型进行分类;对于结构区域,进行线目标保留和边界定位.实验结果表明,该算法通过不同的分类策略优势互补,能够得到区域一致性好且边界保持的分类结果.
-
关键词
叠自编码器
极化层次语义模型
极化SAR分类
区域划分
层次分割
-
Keywords
Stacked auto-encoder, polarimetric hierarchical semantic model （PHSM）, polarimetric synthetic aperture radar （SAR） image classification, region partition, hierarchical segmentation
-
分类号
TN957.52
[电子电信—信号与信息处理]
-
-
题名支持工程设计的语义层次事务模型及提交机制
- 2
-
-
作者
肖迎元
申艳
张德干
吕江
-
机构
天津理工大学计算机科学与技术学院
天津市智能计算及软件新技术重点实验室
天津理工大学理学院
Brtmel University
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2009年第24期7925-7928,7933,共5页
-
基金
国家“八六三”高技术研究发展计划(2007AA01Z188)
国家自然科学基金(60773073)
+1 种基金
天津市自然科学基金(08JCYBJC12400)
科技型中小企业创新基金(08ZXCXGX15000)
-
文摘
由于工程设计任务具有长期性、合作性、试探性和分布式性等特点,传统的事务模型和提交机制已经不能很好地满足工程设计任务的需要。针对工程设计任务的特点,提出了一种语义层次事务模型(SHTM),SHTM采用了树形层次结构,并集成了事务的语义特征。同时,SHTM通过允许未提交事务借出它们持有的数据资源,放宽了事务的隔离性。在此基础上,进一步提出了能确保一致性数据操作的双层提交机制(DTCM)。DTCM综合事务的语义特征,很好地解决了放宽隔离性可能导致的不一致性情形。
-
关键词
工程设计
语义层次事务模型
数据依赖
双层提交机制
-
Keywords
engineering design
semantic hierarchy transaction model
data dependency
double-tier commit mechanism
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名复杂路网内大规模车辆运动的仿真
被引量：4
- 3
-
-
作者
毛天露
王华
康星辰
徐明亮
王兆其
-
机构
中国科学院计算技术研究所移动计算与新型终端北京市重点实验室
郑州轻工业学院计算机与通信工程学院
郑州大学信息工程学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2017年第11期2466-2477,共12页
-
基金
国家"八六三"高技术研究发展计划项目基金(2013AA013902)
公益行业科研专项课题(2013467058)
+1 种基金
国家自然科学基金(61472370)
国家自然科学基金青年基金(61402269)资助
-
文摘
为仿真现实生活中由纵横交错的道路路网、大规模的车辆及其运动组成的交通场景,文中提出一种复杂路网内大规模车辆运动的仿真技术.首先设计一种层次路网语义模型,根据输入的路网车道线矢量数据,通过语义建模,从几何、拓扑等不同层次描述错综复杂的交通路网.其次,由于现有的车辆运动仿真方法中基于个体的微观方法针对大规模车辆运动计算效率较低,而基于流的宏观方法无法仿真复杂的交通现象,提出了一组新的宏观流方程来描述路网内车辆的运动,使得宏观流模型能够与车辆换道行为模型有机地进行结合,从而逼真地描述各种复杂的交通现象.实验结果表明,文中方法在实现复杂路网内车辆运动高细节模拟的前提下,其计算效率与一般宏观流模型保持在同一数量级.通过在实际应用中对真实交通路网进行虚拟现实建模,并在其上进行大规模车辆运动仿真,进一步验证了方法的有效性.
-
关键词
大规模车辆
复杂路网
层次语义模型
车辆换道行为
宏观流模型
虚拟现实
-
Keywords
large scale traffic
complex road networks
hierarchical semantic model
lane changes
macroscopic traffic model
virtual reality
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
