-
题名基于核密度估计的MAPSK调制信号识别
被引量：1
- 1
-
-
作者
龙章勇
商晨
兰海翔
袁咏仪
刘苏扬
-
机构
南京铁道职业技术学院通信信号学院
贵州大学大数据与信息工程学院
贵州力创科技发展有限公司
贵州六盘水三力达科技有限公司
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2020年第6期1423-1428,共6页
-
基金
国家自然科学基金资助项目(41671355)
贵州省科学技术基金资助项目([2017]5305,[2020]1Y155,[2020]4001)。
-
文摘
针对多进制幅相键控(MAPSK)调制信号中核密度估计的误差大,识别效率相对较低等问题,提出了一种基于核密度估计的MAPSK调制识别算法。分析对比主要模块调制码率恢复、基于核密度估计的幅度特征提取和基于K-L散度的分类识别器等算法。在调制模式QPSK、16-APSK、32-APSK和64-APSK条件下进行仿真,实验表明:调制阶数越高其识别效率越高,反之QPSK的识别效率最低。与其他算法相比,本算法计算复杂度低;定时误差不敏感,算法鲁棒性好。
-
关键词
核密度估计
MAPSK
调制识别
K-L散度
-
Keywords
kernel density estimation
MAPSK modulation
modulation recognition
Kullback-Leibler divergence
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名基于CA-Markov的盘州市土地利用变化研究
被引量：11
- 2
-
-
作者
卢涵宇
郭彩
张涛
胡超
谢涛
-
机构
贵州大学大数据与信息工程学院
贵州力创科技发展有限公司
贵州省盘州市自然资源局
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2020年第3期550-557,共8页
-
基金
国家自然科学基金资助项目(41671355)
贵州省人才平台基金资助项目([2017]5305,5788,2816,2025)。
-
文摘
针对区域规划中土地利用变化趋势不能及时更新和获取的问题,以贵州省盘州市为研究区,利用RS与GIS技术从2001年、2009年和2017年的遥感影像数据中获取土地利用分类图及其转移矩阵。针对区内地形特征制定适宜性图集的土地变化转换规则,采用CA-Markov模拟预测盘州市土地利用变化趋势。结果表明,2001年~2017年农用地及自然保留地面积呈现减少趋势,建设用地及林地面积呈增长态势,水域面积小幅度增长。其中,模型预测2017年土地利用的Kappa系数达0.924,表明模型和转换规则可信度较高。模型预测的2025年土地利用变化趋势与前期基本一致。
-
关键词
土地利用变化
CA-Markov
模拟预测
盘州市
-
Keywords
land use change
CA-Markov
simulation and prediction
Panzhou city
-
分类号
TP208
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于迁移深度模型的人脸表情识别研究
被引量：3
- 3
-
-
作者
钟明静
卢涵宇
李丹杨
张涛
侯汝冲
胡正江
-
机构
贵州大学大数据与信息工程学院
贵州力创科技发展有限公司
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2020年第5期1180-1188,共9页
-
基金
国家自然科学基金资助项目(41671355)
贵州省人才平台资助项目([2017]5305,[2018]5781)。
-
文摘
针对表情识别研究对网络的训练要求较高,超参数优化较难,训练效果期望低等问题,提出基于迁移学习的深度学习模型,利用几种较新的模型迁移到表情识别的训练中,即搭建CNN网络和基于迁移学习的ResNet18、ResNet50、MobileNetv2网络,通过大量的训练实验对比四种模型。仿真表明,所提出的模型与常用的模型相比,增强了算法性能,优化了表情网络性能,提高了人脸表情识别率和迁移学习效果。
-
关键词
表情识别
深度学习
迁移模型
迁移学习
-
Keywords
facial expression recognition
deep learning
transfer model
transfer learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的高分辨率遥感影像分类研究
被引量：2
- 4
-
-
作者
卢涵宇
胡超
张涛
卞林
袁咏仪
郭彩
-
机构
贵州大学大数据与信息工程学院
贵州力创科技发展有限公司
贵州信鸽科技有限公司
贵州六盘水三力达科技有限公司
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2020年第2期328-335,共8页
-
基金
国家自然科学基金资助项目(41671355)
贵州省科学技术基金资助项目([2017]5305,5788,2816,2025,[2016]2844,2801,5604,5803)。
-
文摘
针对经典的卷积神经网络方法,因其特征表达的空间信息缺陷未能很好地区分城市区域内的场景的问题,提出基于深度学习的高分辨率遥感影像分类方法,将两个深度神经网络GoogLeNet(InceptionV3)和胶囊网络(CapsNet)分别运用到城市区域的场景分类中。实验结果表明:通过迁移学习的手段,利用优化后的GoogLeNet在这次分类效果上比新训练的CapsNet分类效果明显,分类准确率高达95.9%;同时CapsNet也达到了92.6%的分类准确率,说明GoogLeNet及CapsNet能够较好地区分城市区域内的场景,并验证了CapsNet在遥感影像场景分类中的发展潜力。
-
关键词
卷积神经网络
深度学习
迁移学习
高分辨率
遥感影像分类
-
Keywords
convolution neural network
deep learning
migration learning
high resolution
remote sensing image classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于特征层融合与BP神经网络的人脸表情识别研究
被引量：2
- 5
-
-
作者
钟明静
卢涵宇
李丹杨
兰海翔
侯汝冲
胡正江
-
机构
贵州大学大数据与信息工程学院
贵州力创科技发展有限公司
-
出处
《广西大学学报（自然科学版）》
CAS
北大核心
2019年第5期1261-1268,共8页
-
基金
国家自然科学基金资助项目(41673315)
国家重点研发计划项目(2016YFFE0117300)
贵州省基金项目(黔科合[2018]5781,[2017]5305,5788,2816,2025,[2016]5604,2844,5803)
-
文摘
针对图像处理中人脸表情识别率不高的问题,提出了一种基于特征层融合和神经网络的人脸表情识别方法。利用PCA对原图像进行特征降维处理得到维数较低的表情图像特征,再从粗到细策略对特征进行融合,最后采用神经网络的BP反向传播算法对训练集和验证集经多次迭代后训练好人脸表情模型。将收集到的表情数据进行实验仿真对比表明:本文提出方法与常用的分类算法相比,人脸表情识别率在本文提到的表情数据库上取得更好的效果。
-
关键词
表情识别
特征层融合
PCA
BP神经网络
-
Keywords
facial expression recognition
feature fusion
PCA
BP neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
