-
题名GoogLeNet神经网络的复杂交叉路口识别方法
被引量：10
- 1
-
-
作者
张鸿刚
李成名
武鹏达
殷勇
郭曼
-
机构
山东理工大学
中国测绘科学研究院
-
出处
《测绘科学》
CSCD
北大核心
2020年第10期190-197,共8页
-
基金
国家自然科学基金面上项目(41871375)
中国测绘科学研究院基本科研业务费项目(AR1909,AR1916,AR1917,AR1935)。
-
文摘
针对传统识别方法多依赖于人工设计的低层次特征,未能有效描述复杂交叉路口的细节特征,导致识别类型有限、精度不高的问题,该文提出一种基于GoogLeNet神经网络的复杂交叉路口识别方法:首先利用交叉路口结点密集的特征,构建Delaunay三角网进行点群聚类,初步确定复杂交叉路口中心位置及空间范围;其次,在全国范围内选取39个重要城市路网作为训练样本,并充分利用矢量数据结构优势,以简化、旋转、镜像等方式丰富样本类型及容量;最后,针对其局部特征丰富的特点,选取GoogLeNet神经网络进行训练,以学习其高层次模糊性特征。以天津OSM城市路网为例的实验表明,本文方法能够有效识别复杂交叉路口,且明显提高了识别的精度和准度,具有较强地泛化性和抗干扰性。
-
关键词
复杂交叉路口识别
矢栅结合
delaunay三角网聚类
GoogLeNet神经网络
-
Keywords
complex junction recognition
vector grid
delaunay triangulation
GoogLeNet model
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
-
题名一种新的微博短文本倾向性检测模型
- 2
-
-
作者
牟式标
陈志军
-
机构
义乌工商职业技术学院
-
出处
《情报科学》
CSSCI
北大核心
2017年第11期99-102,120,共5页
-
基金
浙江省自然科学基金(LQ13A040003)
-
文摘
【目的/意义】随着微博短文本对社会生活的影响日益增大,结合Delaunay三角网聚类和元胞遗传提出了一种微博短文本倾向性检测模型。【方法/过程】首先,该模型阐述了检测方法采取的数据收集、预处理、特征选择和指标计算四个阶段,并建立了短文本倾向性检测模型。其次,利用Delaunay三角网聚类和元胞遗传对上述模型进行求解。最后,通过仿真实验深入研究了影响该方法的关键因素。【结果/结论】结果表明,相比于层次结构法和神经网络,该方法在准确率、关联率等方面具有较好的适应性。
-
关键词
微博短文本
倾向性
检测
delaunay三角网聚类
元胞遗传
-
Keywords
microblog short text
tendency
detection
delaunay triangulation clustering
cellular genetic
-
分类号
G254
[文化科学—图书馆学]
-
