【摘 要】
：
对于高光谱遥感图像,由于没有足够的训练样本和复杂的噪声,且标记样本不足的样本与高维波段之间存在冲突,要选择具有识别力的波段是一项具有挑战性的任务,而传统的深度神经网络在高光谱图像分类中也面临过拟合问题。本文针对以上问题提出了波段选择方法和分类方法,主要工作如下:（1）首先提出一种结合超图自动学习和最优聚类算法的波段选择方法。通过将整个波段空间随机划分为几个不同维度的子空间（LV）,其中每个子空间由
论文部分内容阅读
对于高光谱遥感图像,由于没有足够的训练样本和复杂的噪声,且标记样本不足的样本与高维波段之间存在冲突,要选择具有识别力的波段是一项具有挑战性的任务,而传统的深度神经网络在高光谱图像分类中也面临过拟合问题。本文针对以上问题提出了波段选择方法和分类方法,主要工作如下:（1）首先提出一种结合超图自动学习和最优聚类算法的波段选择方法。通过将整个波段空间随机划分为几个不同维度的子空间（LV）,其中每个子空间由与其相关联的波段组成的训练样本的一组低维表示。将所有子空间的样本投影到标签空间后,采用超图自动模型保留这些投影的局部流形结构,确保同一类别的样本具有较小的距离,使用一致性矩阵整合对应于不同子空间的波段的重要性,最后通过聚类公式获取排名顺序,最终选出最优聚类结果。在三种公开数据集上,实验验证了本文提出的结合超图自动学习和最优聚类算法的分类表现比对比方法好。（2）提出了基于多尺度的集成深度混合核极限学习机的高光谱遥感图像分类算法。首先,采用自适应超像素分割技术对HSI数据集的场景进行多尺度过分割;其次,利用超像素地图分别自动包含局部和全局上下文信息,生成超像素模式（SP）和注意邻接超像素模式（ANSP）。在此基础上,提出了一个集成深度混合核极限学习机（EDHKELM）来研究SP和ANSP的深度特征。最后,通过加权输出层融合策略精确确定每个像素的类别。在三个不同数据集上实验验证了基于多尺度的深度混合核极限学习机网络的分类结果要优于其他方法。
其他文献
硅磁敏三极管（SMST,Silicon magnetic sensitive transistor）是在硅衬底上制作的磁敏器件,在实现对磁场测量的同时衬底产生寄生效应,这些寄生效应会影响其磁敏特性和温度特性等。本文结合MEMS技术、SOI工艺和介质隔离技术在＜100＞晶向p型高阻单晶硅上设计以SMST作为磁敏器件的全介质隔离磁场传感器,该传感器由两个SMSTs、全介质隔离环、基极负载电阻（Rb）和
在I/II-III-VI族半导体量子点中,CuInS2和ZnInS作为不含重金属元素的环境友好型材料,具有优异的光物理特性,被广泛地应用于生物标记和光电器件等领域。此外,将过渡族金属离子Cu或Mn引入基质量子点中,形成的掺杂量子点会产生新的光、电或磁的性质。本文利用脉冲激光器和连续激光器作为光源,通过开孔Z-Scan技术、温度荧光检测技术、时间分辨荧光光谱技术和飞秒瞬态吸收技术研究了Cu In S
本文重点研究了带丢包的多传感器广义系统信息融合鲁棒估计问题。首先,研究带丢包和不确定噪声方差的单传感器广义系统的鲁棒时变预报器和预报器以及稳态滤波器。其次对带丢包和不确定方差的多传感器广义系统研究其信息融合鲁棒估值器,最后就鲁棒性和收敛性等展开了深入研究。具体内容如下:对于带丢包和不确定相关噪声方差的线性离散随机广义系统,本文提出了时变鲁棒Kalman滤波算法。首先利用奇异值分解（SVD）方法、增
重金属不仅污染环境,还伤害人类的身体,近些年,随着社会的发展,重金属污染已经成为一个亟待解决的问题。因此,重金属离子检测成为当今科研工作的一个重点。光纤SPR传感器因其具有检测灵敏度高、实时监测等优点,近年来受到了广泛的关注。本文研究了基于光纤SPR传感器的铅离子检测。具体工作如下:首先,论文介绍了SPR发生的原理和发生SPR时金属所需具有的光学性质,以及SPR传感技术的发展现状。之后阐述了重金属
如今步入大数据时代,对半导体存储技术的要求越来越高,忆阻器凭借非易失性等独特优势,有望应用到实际电路当中,而忆阻器交叉阵列在忆阻器逻辑电路当中是必不可少的。本文给出Zn O:Li忆阻器结构和阻变机制,利用XRD、AFM分别研究Zn O:Li薄膜的微结构和表面形貌,通过分析制备工艺条件（氧含量、溅射时间等）对Zn O:Li薄膜阻变特性的影响,当氩气流量、氧气流量分别为20 sccm、5 sccm,L
针对航空航天、深海探测等领域对空间磁场矢量（B）测量的迫切需求,通过对比空间磁场矢量的测量方法,分析磁灵敏度一致性、交叉干扰等主要性能指标。结合硅磁敏三极管（Silicon magnetic sensitive transistor,SMST）的基本结构和磁敏感特性,设计给出一种高性能空间磁场矢量传感器,该传感器由封装板上芯片Ⅰ和芯片Ⅱ构成,芯片Ⅰ包括x方向磁敏感单元（SMST1和SMST3）和y
在科学技术飞速发展和进步的今天,越来越多具有高质量空间分辨率和光谱分辨率的遥感图像能被获得,这为遥感图像目标检测在农业、城市和军事等领域的应用提供了极其重要的研究基础和意义。但是,遥感图像目标检测仍旧受到了很多条件的约束与限制,例如遥感图像中目标拍摄角度不同、目标尺度不一致和网络模型过大等问题,这些问题对遥感图像目标检测技术提出了更高的检测要求和能力。针对以上这些问题,本文的主要研究工作如下:（1
目前随着工业数字化设备的日益增长,工业信息安全面临着复杂多样的挑战,加强入侵检测系统的防护能力势在必行。目前的网络防护系统会存在设计缺陷,这是与检测模型利用高度不平衡数据集进行训练相关的,数据集中也是存在多余的特征属性,这会导致训练器的性能浪费,增加计算开销,而且当前的网络防护系统往往不具备应用灵活性。因此,本文利用特征选择算法进行数据集的降维,并基于增益因子δ和合并树优化了C4.5决策树算法,并
互联网作为最大的信息中心,处理着海量的信息,这些信息以文本、图像、音频和视频等形式存在。图像作为信息最便捷的载体,数据传输过程中所占比重更大,因此如何将图像进行加密,把其中信息进行隐藏是十分关键的。在图像加密的过程中,需要以大量的随机数作为密钥,随机数序列的性能影响着加密后图像的安全性。本文使用壳聚糖、氧化石墨烯和石墨烯量子点等材料作为介质层主要材料,制备了三种生物忆阻器,利用器件的物理特性生成随
非正交多址接入技术（NOMA）通过叠加多个用户,显著地提高了系统和速率,其中用户分组和功率分配是决定系统和速率的关键因素。传统的基于迭代优化的用户分组及功率分配算法计算复杂度高;基于深度强化学习的方法可以减少在线执行时间,但存在样本池均匀采样效率低的问题;此外,接收端串行干扰消除产生的残留误差对功率分配提出了进一步约束。本文针对以上三个问题,提出了基于优先采样的NOMA用户分组及功率分配算法和基于