一种基于注意力机制的高分遥感影像场景分类的方法

针对高分遥感影像场景分类准确率低的问题,提出了一种改进的卷积神经网络模型AResNet。该模型将注意力机制引入到预置残差网络中,使用卷积注意力模块分别从通道和空间两个维度学习特征信息,增强了特征的可判别性,实现对遥感影像场景的有效分类。在此基础上,采用ImagNet预训练参数,在训练过程中,采用Adam算法不断优化参数。实验结果表明,在NWPU-RESISC45数据集上,AResNet模型分类准确率提升到了94.3%,验证了模型的有效性。     

遥感影像分类方法研究

为了遥感解译基础性工作的发展和提高,本文综述了近年来国内外多种分类方法的研究和进展。在分析当前主要遥感影像分类方法的基础上。从传统的分类方法、基于智能的分类方法、其他新分类方法三个方面,对遥感分类方法研究进展进行了阐述,本研究还存在不足,今后还需进一步研究利用各种分类方法相互结合在盖遥感影像分类中的应用。     

基于图卷积网络的高质量专利自动识别方案研究

[研究目的]高质量专利对促进专利转化、技术追踪和战略布局十分重要,面对海量专利数据,如何准确高效自动识别高质量专利,为开展后续专利投资融资、产业转型等专利工作做基础铺垫,成为当前重要研究问题。[研究方法]以国家知识产权局受理的申请专利为研究对象,使用专利维持年限表征专利质量,提取专利数字特征并嵌入专利文本特征生成的专利-核心词汇网络,搭建图卷积网络模型自动识别高质量专利。[研究结论]目前针对专利质量的研究专注于挖掘专利数字特征而忽视专利文本特征,该方案在高质量专利自动识别过程中使用专利数字特征与文本特征,对当前专利质量研究做出补充。此外,所提方案可在专家标注少量专利文档情况下完成专利质量识别任务,解决现有专利质量标签标注方案无法全面衡量专利质量的局限。同时,将图卷积网络扩展到专利背景下的质量识别领域,为专利质量研究提供崭新框架,实验结果也显示方案具有较高实践价值。     

基于遥感影像的土地利用现状分类方法研究

遥感影像技术对我国土地的调查和耕地保护中都发挥了极其重要的作用,从20世纪80年代我国开始逐步应用航天和航空技术对我国的土地资源进行利用和动态监测.近些年随着我国科技的飞速发展,遥感影像技术在土地利用和分类方面的业绩更加突出。本文就遥感影像技术在土地利用和分类方法进行全面的阐述.     

基于图卷积神经网络的图书推荐方法研究

[目的/意义]用户与项目的交互历史中包含大量的语义信息,现有的协同过滤方法无法捕获其中的信息,将具有良好特征表示能力的图卷积神经网络引入图书推荐领域。[方法/过程]根据交互历史构建读者-图书二部图,搭建图卷积神经网络,通过连续的卷积层捕获二部图的高阶连通性来得到读者的邻域偏好信息,在预测层对邻域信息聚合并开展预测。[结果/结论]将提出的方法与对比方法在豆瓣图书数据集上进行实验,结果表明所提出的基于图卷积神经网络的图书推荐方法在召回率和归一化折损累计增益两项指标上均取得更好的表现。     

面向对象的武汉市街区公共遥感影像分类研究

面向对象的遥感影像分类方法克服了传统基于像元分类方法的弊端,将对象光谱、空间纹理等特征一并加入分类依据中,有效避免了“同谱异物”或“异物同谱”的问题,适合于高分辨率的遥感影像分类。以武汉市某街区公共遥感影像为例,采用上述方法,结合支持向量机分类方法进行地物分类识别,结果显示,分类总体精度达到了89．9913％,取得了良好的分类效果。     

基于YOLOv3网络的高分光学遥感影像海上舰船分类检测

海上舰船目标分类检测技术可广泛用于海事监管、船只救援、打击非法犯罪等活动,具有重要应用价值。本文选取高分辨率光学遥感影像进行数据筛选及预处理,建立了含有2. 4万艘不同类型舰船的分类检测数据集。依据中华人民共和国海事局《船舶登记工作规程》中的舰船分类规则,结合遥感影像实际情况,建立了基于遥感影像的海上舰船分类体系。通过搭建深度学习训练平台,使用YOLOv3神经网络算法对舰船进行分类检测。在测试集上对训练完成的模型进行验证,舰船分类检测结果的召回率达到91%以上,准确率达到95%以上。在GPU加速的情况下,可达30 fps以上的检测速率,使得该模型在具备鲁棒性和准确性的同时也具备实时分类检测的能力。     

基于遥感影像的土地覆盖分类方法研究

20世纪90年代卫星遥感在全球和区域尺度土地覆盖研究与应用方面取得了突破性进展,土地利用/覆盖遥感研究的新方法不断出现。对国内外土地覆盖遥感图像分类的研究现状进行了综合阐述,初步探讨了提高土地覆盖遥感影像分类精度的方法与途径     

遥感影像分析中面向对象分类方法的研究

由于传统基于像元的分类方法存在诸多局限性,因此文章介绍了一种面向对象的影像分类方法。应definiensdeveloper7．O软件,以昆明地区海口城镇为试验区进行地物提取,并获得了较好的效果,最后提取的精度达93．66％。     

遥感影像中同谱异类问题的研究

将传统分类方法和加入地理控制界线分类方法进行比较,后者分类精度为94.73%,比传统分类方法提高了近3个百分点。这种方法对于解决卫星遥感中的同谱异类问题,提高分类精度,有较重要的意义和作用。本文以乌鲁木齐市为例,主要研究了同谱异类问题。     

基于Landsat8影像的陆地分类研究

本文开展了基于支持向量机(Support Vector Machine,SVM)的Landsat8遥感影像分类算法研究。研究区域是内蒙古河套灌区。本文的研究成果对于内蒙古遥感测绘有关的科研工作具有一定的参考价值。     

小样本条件下的半监督遥感影像分类方法研究

遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类。半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率。本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类。实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法。     

基于多分类器联合的遥感图像监督分类方法研究

遥感图像分类是遥感图像处理的一个重要内容,根据遥感图像监督分类方法适用范围不同且分类机制各有优劣的特点,将多分类器联合对遥感图像进行分类,结果表明,与单一分类器的分类结果相比,多分类器结合的监督分类技术能有效提高遥感图像专题信息提取的精度。     

基于ETM＋影像的凌源市土地利用遥感分类方法的研究

本文以辽宁省凌源市为研究对象,采用RS技术,以ETM＋数据为信息源,使用ENVI遥感影像处理软件进行数据处理,对凌源市土地利用类型进行分类,并对分类结果进行精度比较分析。分类的方法包括非监督分类,监督分类的最大似然法分类以及决策树分类。采用混淆矩阵法对三种分类结果进行精度分析。结果表明,非监督分类与最大似然法分类的总体精度分别为84.34%、85.82%,精度不高。在决策树分类中,对数据进行地物光谱特征分析、NDVI特征分析、主成分分析并结合DEM数据,建立一棵比较合理的决策树,总体分类精度达到90.65%。     

基于面向对象的香榧资源分布遥感调查研究

香榧系第三纪孑遗植物,为我同特有的珍贵经济树种.常规的香榧资源调查方法存在工作量大、数据时效性差等不足.近年来高分辨率遥感影像的应用,为特定树种信息提取提供了可能.基于此,本文以高分辨率IKONOS卫星影像为基础,采用面向对象的信息提取方法,多尺度分割形成对象后,利用光谱、形状、纹理等构建特征空间,进行会稽山区香榧信息提取的试验,并与常规监督分类法(最大似然法)进行了比较.结果显示,基于面向对象方法的香榧信息提取精度达到86.57%,比监督分类法的精度提高了27.90%.研究表明,用面向对象的分类方法进行香榧信息提取和资源调查是可行的.     

基于小波变换的遥感图像压缩并行算法研究

文章针对遥感图像本身的特点和统计特性,首先对遥感图像进行小波变换,将遥感图像进行多分辨率分解,分解成不同空间、不同频率的子图像;然后将经过小波变换以后的遥感图像分割成不同频带,其中的低频带采用差分脉冲调制法进行压缩,保证遥感图像主要的信息不丢失,其他高频带采用多级树集合分裂算法编码提高压缩比,这样分为高频和低频带为算法的并行实现提供了条件。实验结果表明,遥感图像在图像压缩的并行处理以后可以获得更少的时间开销。     

基于网络文本分类技术的应用研究

网络文本分类是数据挖掘技术的重要组成部分,是从互联网中获取有效信息资源的重要方式之一.本文论述了网络文本分类及其技术,通过对具有主题的大量网络文本的有效分析和挖掘,使网络文本分类技术在自主网络信息定制和自动信息获取中得到更加广泛地应用研究.     

基于网络舆情分类的舆情应对研究

在梳理已有文献的基础上,从网络舆情演化要素入手,构建网络舆情分类标准体系,以"刺激性事件主体行为"和"网络舆情传播过程"作为两个主要维度。并据此从政府的视角,将网络舆情划分为弱型网络舆情、强型网络舆情和波动型网络舆情。针对不同类型网络舆情,提出相应的"淡入式"、"萌芽式"、"强力式"、"溯源式"和"重塑式"政府舆情应对策略。     

基于条件依赖网络的多标签分类研究

在海量视频标签检索中,我们通过开发一个条件依赖网络模型。实现一个循环的指示图形模型,该模型提供了一个直观的代表性的多个标签依赖,和良好的高效的模型训练的综合智能框架,使用二元分类推断。该模型可以有效地利用标签的依赖,以提高多标签分类性能。