在分析传统集中式BP算法对海量高维数据分类不足的基础上,结合网格服务和粗糙集约简的思想,提出了基于网格服务的分布式BP分类算法(Distributed BP Classification algorithm based upon Grid Service,DBPC-GS)。仿真实验表明,粗糙集约...在分析传统集中式BP算法对海量高维数据分类不足的基础上,结合网格服务和粗糙集约简的思想,提出了基于网格服务的分布式BP分类算法(Distributed BP Classification algorithm based upon Grid Service,DBPC-GS)。仿真实验表明,粗糙集约简使得BP网络处理高维数据的复杂度大大降低;同时与传统集中式BP分类算法相比,DBPC-GS算法的平均耗时明显下降,CPU的负载也下降了约40%;且GBPC-GS算法仍然保持较高的分类精度。展开更多
为了解决在遥感图像场景分类问题中传统的底层或中间级视觉特征无法充分描述复杂场景的问题,提出了采用第三种感知网络(Inspection-v3)、快速特征嵌入的卷积神经网络(CaffeNet)、OverFeatL 3种深度卷积神经网络(DCNN)提取的融合特征进...为了解决在遥感图像场景分类问题中传统的底层或中间级视觉特征无法充分描述复杂场景的问题,提出了采用第三种感知网络(Inspection-v3)、快速特征嵌入的卷积神经网络(CaffeNet)、OverFeatL 3种深度卷积神经网络(DCNN)提取的融合特征进行遥感图像场景分类方法。通过利用利用3种DCNN提取的归一化的融合特征进行分类实验,在UCMLU(University of California Merced Land Use)数据集上获得了97.01%的准确率。融合特征的分类实验证明,不同结构DCNN的融合特征能更充分的表达场景的语义信息。展开更多
文摘在分析传统集中式BP算法对海量高维数据分类不足的基础上,结合网格服务和粗糙集约简的思想,提出了基于网格服务的分布式BP分类算法(Distributed BP Classification algorithm based upon Grid Service,DBPC-GS)。仿真实验表明,粗糙集约简使得BP网络处理高维数据的复杂度大大降低;同时与传统集中式BP分类算法相比,DBPC-GS算法的平均耗时明显下降,CPU的负载也下降了约40%;且GBPC-GS算法仍然保持较高的分类精度。
文摘为了解决在遥感图像场景分类问题中传统的底层或中间级视觉特征无法充分描述复杂场景的问题,提出了采用第三种感知网络(Inspection-v3)、快速特征嵌入的卷积神经网络(CaffeNet)、OverFeatL 3种深度卷积神经网络(DCNN)提取的融合特征进行遥感图像场景分类方法。通过利用利用3种DCNN提取的归一化的融合特征进行分类实验,在UCMLU(University of California Merced Land Use)数据集上获得了97.01%的准确率。融合特征的分类实验证明,不同结构DCNN的融合特征能更充分的表达场景的语义信息。
