【摘 要】
:
卷积神经网络等深度学习模型已经在高光谱影像分类任务中取得了理想的结果。然而,由于传统神经元只能进行标量计算,现有的深度学习模型无法对高光谱影像特征的实例化参数进行建模,因此无法在邻域范围受限的条件下获得令人满意的分类效果。为此,通过引入胶囊网络结构,设计了一种新型网络模型。该模型利用胶囊神经元进行向量计算,并利用权重矩阵编码特征间的空间关系,能够进一步提高高光谱影像的分类精度。在Pavia Uni
论文部分内容阅读
卷积神经网络等深度学习模型已经在高光谱影像分类任务中取得了理想的结果。然而,由于传统神经元只能进行标量计算,现有的深度学习模型无法对高光谱影像特征的实例化参数进行建模,因此无法在邻域范围受限的条件下获得令人满意的分类效果。为此,通过引入胶囊网络结构,设计了一种新型网络模型。该模型利用胶囊神经元进行向量计算,并利用权重矩阵编码特征间的空间关系,能够进一步提高高光谱影像的分类精度。在Pavia University、Indian Pines和Salinas数据集上进行验证,试验表明,提出的网络模型较传统
其他文献
本文应用张量不变理论对卫星重力梯度数据确定地球重力场的方法进行了研究,就张量不变观测方程的线性化处理、非全张量观测值的数据处理策略以及白噪声特性下的梯度观测值恢复地球重力场的精度等进行了数值分析。结果表明,张量不变解实现了不同观测值的联合求解,基于先验重力场模型的线性化方法在实现张量不变观测模型线性化处理的同时,提升了张量不变方法的模型解算精度,且初始参考模型的选择对解的收敛特性影响较小;在无噪声
获得巴基斯坦的区域发展规律对于支持中巴经济走廊建设具有参考意义。本文基于美国国家极轨环境卫星夜光遥感影像,分别使用夜光变化率、Mann-Kendall(MK)趋势检验法和位序-规模法则三种方法研究巴基斯坦省级/城市级、地理格网级以及东-西地带三个地理尺度下的夜光变化规律。分析显示,在2012年至2019年间,巴基斯坦的夜光增长率为47.96%,各省级区域均有不同程度的发展,其夜光增长率均大于15%
固定相位时长的信号灯控制由于无法根据实时路况进行自适应调节,对交通拥堵现象的改善程度较为有限。为模拟根据实时路况进行信号灯相位自适应调节,以Webster算法为基础,融合虚拟仿真和计算机视觉技术,构建信号灯配时优化与自反馈闭环系统。首先构建基于Unity3D的道路交通仿真场景,模拟车辆启停、行驶及信号灯控制。然后,利用OpenCV库处理采集的车流视频,统计通车流量并计算最佳信号周期和确定通车相位。
针对目前基于二维显示交互环境的流场可视化应用由于深度信息不足导致交互效率较低的问题,引入虚拟现实技术设计并实现了具备多样化交互方式的沉浸式流场可视化系统。该系统基于凝视与手势交互技术,设计并实现了基于用户手势的导航方法与三维交互控件,以及基于用户凝视与手势的沉浸式交互面板。设计并实现了基于可视化场景的沉浸式交互管理方法与基于可视化算法树的可视化网络管理方法,对于用户交互进行了系统化管理,能够在沉浸
建筑物在不同视角下分为物理群集和产权群集,后者依附于前者。现有群集对象构建方法可以自动地构建同一栋建筑物的物理群集和产权群集,但生成的两个群集相互独立。这不仅增加建模成本,也不利于后期模型数据的更新和维护。针对该问题,研究公寓式建筑物物理群集与产权群集的关系,发现连通边界的层级性决定了胞腔聚合的产权体,提出一种将物理群集自动转换为产权群集的方法。所提方法在已有物理群集基础上,利用庞加莱对偶变换,将
针对蒙特卡罗渲染在低光线路径采样率下绘制的图像容易出现噪声的问题,提出一种蒙特卡罗渲染画面多特征非局部均值降噪算法。使用canny算法对场景反射率图进行梯度化,以反射率梯度图为引导图,利用引导滤波器对法向量图预滤波;求出预滤波后法向量图中图像块之间的结构相似性,利用结构相似性倒数的对数值对非局部均值滤波器权值进行改进;利用改进后的非局部均值滤波器对噪声图像进行滤波重构。实验结果表明,提出的算法能在
针对综合建筑火灾中人员疏散路径动态规划问题,以待疏散人员所需逃生时间最短为目标,考虑火灾产物和人群密度对人员逃生速度的影响,构建基于改进蚁群算法的人员疏散路径规划模型。建立由障碍物顶点栅格构成的疏散网络数据模型,改进蚁群算法的启发函数、死锁处理策略,引入烟花算法中的爆炸算子优化蚂蚁路径,以某综合建筑为例进行仿真实验。结果表明,该模型不仅能够避免疏散路径经过危险区域,还可根据建筑环境状况和人员分布情
点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法。首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波。采用两种密度不同的点云数据集对算法进行了验证,并将结果与2种坡度滤波算法及国际
为解决大数据量带来的热力图生成效率低的问题,引入基于图形处理器(GPU)的并行计算方法并结合轨迹线模型,提出一种利用GPU加速的轨迹线热力图生成显示方法。首先,针对轨迹点分布不均、邻域半径设置不合理等条件下产生的热力值不连续、不均等问题,采用轨迹线模型提升了热力图的效果。其次,针对大规模数据计算产生的热力图生成效率低的问题,通过GPU并行计算并配合内核函数参数调优、循环展开、像素缓冲对象(PBO)
针对多中心半开放式车辆路径问题,考虑软时间窗约束和车辆速度变化情况,构建了最大化平均客户满意度、最短配送距离和最小配送成本为目标的优化模型,并设计了两阶段求解算法。先基于自适应网格密度法和邻域拥挤密度法对多目标粒子群算法(MOPSO)的外部档案进行维护及选取全局最优粒子,提高算法的收敛性和后期种群多样性,以获得初始可行解。然后用变邻域搜索算法(VNS)优化初始可行解,达到了减小配送距离,降低配送成