期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
面向土地利用分类的多源遥感数据混合贝叶斯网络分类器
1
作者 李凤 高昭良 《国土资源遥感》 CSCD 2011年第2期47-52,共6页
传统的离散型贝叶斯网络分类器是将所有变量视为离散变量,或对连续变量做离散化处理。可是离散化不可避免地存在信息损失,且在多源遥感数据的处理和分析中,连续变量的离散化会导致搜索空间的急剧增加和计算及存储量的极大开销。针对这... 传统的离散型贝叶斯网络分类器是将所有变量视为离散变量,或对连续变量做离散化处理。可是离散化不可避免地存在信息损失,且在多源遥感数据的处理和分析中,连续变量的离散化会导致搜索空间的急剧增加和计算及存储量的极大开销。针对这些问题,开发了一种面向土地利用分类的多源遥感数据混合贝叶斯网络分类器,该分类器首先对问题领域的所有变量做正态分布检验,同时将满足高斯分布假设的变量不做离散化而视为连续变量;然后对离散变量和连续变量分别进行参数学习,最后进行参数合并,再用于贝叶斯网络的推理和分类中。通过福州市区土地利用分类的实验表明,该模型优于传统的离散型贝叶斯网络分类器,具有一定的研究和应用价值。 展开更多
关键词 离散化 正态分布检验 混合贝叶斯网络分类器 多源遥感数据 土地利用分类
在线阅读 下载PDF
结合深度置信网络与混合神经网络的图像分类方法 被引量:3
2
作者 刘罡 徐超 +1 位作者 陈思义 吴聪 《小型微型计算机系统》 CSCD 北大核心 2017年第9期2146-2151,共6页
图像分类方法主要是使用分类器对提取的图像特征进行分类.因此,提取的图像特征和使用的分类器直接影响分类结果.图像特征提取一般是人为设定特征提取模式,然而,对于内容复杂的图像难以人为设定有效的特征模式.此外,随着训练集规模的增加... 图像分类方法主要是使用分类器对提取的图像特征进行分类.因此,提取的图像特征和使用的分类器直接影响分类结果.图像特征提取一般是人为设定特征提取模式,然而,对于内容复杂的图像难以人为设定有效的特征模式.此外,随着训练集规模的增加,分类器想要获得更好的分类精度需要大量的训练时间.为了解决这些问题,提出混合神经网络分类器,并将该分类器和深度置信网络结合设计了新的图像分类方法.混合神经网络分类器由演化函数模块层和神经元层组成,演化函数模块层作为输入层,神经元层作为分类结果的输出层.深度置信网络是一种用于自动提取输入数据深层特征的网络模型.本文中提出的新的图像分类方法分为2个步骤,首先,堆叠受限玻尔兹曼机构成的深度置信网络用于提取图像的特征向量,其次,使用混合神经网络分类器对提取的特征向量进行分类.采用MNIST数据集和UCI数据集对提出的方法进行实验验证.实验结果表明,与堆叠受限玻尔兹曼机和softmax分类器的组合,堆叠受限玻尔兹曼机和基于演化策略的softmax分类器的组合以及堆叠受限玻尔兹曼机和支持向量机的组合相比,提出的分类方法可以在更短的时间内获得比较高的分类精度并且具有更好的抗过拟合能力. 展开更多
关键词 混合神经网络分类器 深度置信网络 图像分类 受限玻尔兹曼机
在线阅读 下载PDF
反传网络(CPN)的改进及其在储层预测中的应用 被引量:1
3
作者 何平 胡远来 《成都理工大学学报(自然科学版)》 CAS CSCD 1998年第S1期80-84,71,共6页
反传网络(CPN)是由Kohonen自组织特征映射和Grossberg外星网络组合形成的一种无指导混合分类器网络。本文尝试用反传网络对地震信息进行油气预测和分类。首先实现该网络的常规算法,然后对其进行了改进,最后利用... 反传网络(CPN)是由Kohonen自组织特征映射和Grossberg外星网络组合形成的一种无指导混合分类器网络。本文尝试用反传网络对地震信息进行油气预测和分类。首先实现该网络的常规算法,然后对其进行了改进,最后利用这一算法对某油田的地震资料进行了CPN网络的学习建模及油气预测计算,取得了较为满意的效果。 展开更多
关键词 反传网络 Kohonen自组织特征映射 Grossberg外星网络 混合分类器网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部