期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于光谱指数的绿洲农田土壤含水率无人机高光谱检测 被引量:16
1
作者 王敬哲 丁建丽 +3 位作者 马轩凯 葛翔宇 刘博华 梁静 《农业机械学报》 EI CAS CSCD 北大核心 2018年第11期164-172,共9页
选取新疆阜康绿洲小块农田为研究对象,基于无人机(Unmanned aerial vehicle,UAV)平台搭载的高光谱传感器获取的影像数据,采用Savitzky-Golay (SG)平滑后的一阶微分(First derivative,FD)、吸光度(Absorbance,Abs)、连续统去除(Continuum... 选取新疆阜康绿洲小块农田为研究对象,基于无人机(Unmanned aerial vehicle,UAV)平台搭载的高光谱传感器获取的影像数据,采用Savitzky-Golay (SG)平滑后的一阶微分(First derivative,FD)、吸光度(Absorbance,Abs)、连续统去除(Continuum removal,CR) 3种不同预处理方法,获取了SG、SG-FD、CR、Abs及Abs-FD共计5种预处理后的高光谱影像,探索不同预处理下的差值指数(Difference index,DI)、比值指数(Ratio index,RI)、归一化指数(Normalization index,NDI)及垂直植被指数(Perpendicular vegetation index,PVI)与土壤含水率(Soil moisture content,SMC)的关系,在遴选出最优指数及预处理方案的基础上,构建干旱区绿洲农田SMC高光谱定量估算模型。结果表明:预处理在不同程度上提高了光谱指数与SMC的相关性,其中基于Abs预处理的PVI(R644,R651)表现最优,相关系数为0. 788,据此构建的三次拟合函数表现最优。基于不同预处理方案下,多变量SMC估算模型在消噪的基础上更深入地挖掘了光谱信息,减少了单一光谱指数造成的误差,提升了模型的定量估测效果。Abs模型预测精度亦最为突出,其建模集R2c和RMSE为0. 84、2. 16%,验证集R2p与RMSE为0. 91、1. 71%,RPD为2. 41。本研究构建的SMC估算模型减少了单一变量模型的误差,在规避过拟合现象的同时,提升了模型的定量估测效果,为土壤含水率状况天地空一体化遥感监测提供了参考方案。 展开更多
关键词 土壤含水率 高光谱 无人机 遥感 光谱指数
在线阅读 下载PDF
深度学习可解释性研究进展 被引量:77
2
作者 成科扬 王宁 +1 位作者 师文喜 詹永照 《计算机研究与发展》 EI CSCD 北大核心 2020年第6期1208-1217,共10页
深度学习的可解释性研究是人工智能、机器学习、认知心理学、逻辑学等众多学科的交叉研究课题,其在信息推送、医疗研究、金融、信息安全等领域具有重要的理论研究意义和实际应用价值.从深度学习可解释性研究起源、研究探索期、模型构建... 深度学习的可解释性研究是人工智能、机器学习、认知心理学、逻辑学等众多学科的交叉研究课题,其在信息推送、医疗研究、金融、信息安全等领域具有重要的理论研究意义和实际应用价值.从深度学习可解释性研究起源、研究探索期、模型构建期3方面回顾了深度学习可解释性研究历史,从可视化分析、鲁棒性扰动分析、敏感性分析3方面展现了深度学习现有模型可解释性分析研究现状,从模型代理、逻辑推理、网络节点关联分析、传统机器学习模型改进4方面剖析了可解释性深度学习模型构建研究,同时对当前该领域研究存在的不足作出了分析,展示了可解释性深度学习的典型应用,并对未来可能的研究方向作出了展望. 展开更多
关键词 人工智能 深度学习 可解释性 神经网络 可视化
在线阅读 下载PDF
解耦表征学习研究进展 被引量:6
3
作者 成科扬 孟春运 +2 位作者 王文杉 师文喜 詹永照 《计算机应用》 CSCD 北大核心 2021年第12期3409-3418,共10页
解耦表征学习旨在对影响数据形态的关键因素进行建模,使得某一关键因素的变化仅仅引起数据在某项特征上的变化,而其他的特征不受影响,这有利于应对机器学习在模型可解释性、对象生成和操作以及零样本学习等问题上的挑战,因此解耦表征学... 解耦表征学习旨在对影响数据形态的关键因素进行建模,使得某一关键因素的变化仅仅引起数据在某项特征上的变化,而其他的特征不受影响,这有利于应对机器学习在模型可解释性、对象生成和操作以及零样本学习等问题上的挑战,因此解耦表征学习一直是机器学习领域的一个研究热点。从解耦表征学习的历史与动机入手,对解耦表征学习的研究现状以及应用进行归纳总结,分析了解耦表征所具有的不变性、复用性等特性,介绍了基于生成解耦表征变差因素的研究、基于流形相互作用解耦表征变差因素的研究、基于对抗性训练解耦表征变差因素的研究,以及一种变分自编码器β-VAE的研究等最新研究动态。同时,阐述了解耦表征学习的典型应用,并对未来的研究方向作出了展望。 展开更多
关键词 解耦学习 表征学习 变分推断 可解释性 机器学习 自编码器 变差因素 复用性
在线阅读 下载PDF
面向复杂场景的鲁棒KCF行人跟踪方法 被引量:7
4
作者 成科扬 师文喜 +1 位作者 周博文 吴金霞 《南京航空航天大学学报》 EI CAS CSCD 北大核心 2019年第5期625-635,共11页
经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为... 经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为使得目标跟踪能够有效地应对遮挡情形,本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进,提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients,HOG)特征和色调、饱和度、值(Hue-saturation-value,HSV)特征的响应分布进行特征融合。其次,设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后,通过滤波器响应最大值的变化率衡量目标的遮挡情况,并根据上一成功帧的目标信息,通过EdgeBoxes和感知哈希算法找回目标,更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试,实验结果表明与其他目标跟踪方法相比,本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性,确保了较高的跟踪精度。 展开更多
关键词 目标跟踪 特征融合 EdgeBoxes 感知哈希 重检测 鲁棒性
在线阅读 下载PDF
结合时序网络和金字塔融合的稳像修复方法
5
作者 刘清 李世超 +2 位作者 王文杉 师文喜 成科扬 《图学学报》 CSCD 北大核心 2021年第1期65-70,共6页
针对视频稳像领域内视频图像缺损填充效果不佳,严重影响视觉效果,且导致稳像处理后的视频不稳的黑边填充问题,提出了一种基于时序网络预测和金字塔融合的图像修复方法。首先结合预裁剪机制自适应判断当前帧是否需修复;然后将截止至当前... 针对视频稳像领域内视频图像缺损填充效果不佳,严重影响视觉效果,且导致稳像处理后的视频不稳的黑边填充问题,提出了一种基于时序网络预测和金字塔融合的图像修复方法。首先结合预裁剪机制自适应判断当前帧是否需修复;然后将截止至当前时刻的所有帧送入卷积神经网络(CNN)和门控循环单元(GRU)的模型进行待填充部分的预测;随后采用改进的加权最佳缝合线进行拼接并在高斯拉普拉斯金字塔中进行图像融合重构;最终在重构完成后裁剪尺寸。实验结果表明,该方法平均峰值信噪比(PSNR)相较于对比算法提高了2~5dB,平均结构相似度(SSIM)较对比算法提升了约2%~7%。该方法修复后的视频缺损填充自然,视觉效果较为稳定,即使在黑边面积较大时也有良好的修复效果,可用于多种摄像平台及不同场景下。 展开更多
关键词 视频稳像 视频图像修复 时序网络 金字塔融合 最佳缝合线
在线阅读 下载PDF
基于集合经验模态分解和随机森林的短时交通流预测 被引量:6
6
作者 田佳 王德勇 师文喜 《科学技术与工程》 北大核心 2023年第29期12612-12619,共8页
针对短时交通流数据具有非线性、不确定性等特点,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和随机森林(random forest,RF)的组合预测模型。首先,利用EEMD算法将原始交通流数据的区间平均速度序列分解... 针对短时交通流数据具有非线性、不确定性等特点,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和随机森林(random forest,RF)的组合预测模型。首先,利用EEMD算法将原始交通流数据的区间平均速度序列分解为若干个本征模函数(intrinsic mode function,IMF)和一个残差分量(residual,RES),提取出交通流数据在不同时频的信息;其次,将第一个分量进行二次EEMD分解,细化交通流的随机信息;再次,将分解得到的各个分量分别使用RF进行预测,构建子模型;最后,将所有子模型的预测值线性求和,得到最终的预测结果。采用阿拉尔市某路段的实际交通流数据进行实验,结果表明,EEMD和RF的组合预测模型优于单一的RF模型,并且对IMF1进行二次EEMD分解可进一步提高组合预测模型的准确率。 展开更多
关键词 智能交通 短时交通流预测 集合经验模态分解 随机森林
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部