期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别
被引量：
5
1
作者
杭盈盈
李亚婷
孙妙君
《农业工程》
2020年第5期29-33,共5页
提出一种基于可见-近红外光谱技术的无损检测方法,以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像,并利用HSI软件提取光谱数据。使用Savitzky Golay(SG)平滑与多元散射校正(multiple scattering corre...
提出一种基于可见-近红外光谱技术的无损检测方法,以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像,并利用HSI软件提取光谱数据。使用Savitzky Golay(SG)平滑与多元散射校正(multiple scattering correction,MSC)叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器(stacked autoencoder,SAE)、连续投影算法(successive projections algorithm,SPA)和变量迭代空间收缩算法(variable iterative space shrinkage approach,VISSA)进行数据降维。利用Softmax与支持向量机(support vector machine,SVM)算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优,其训练集和预测集准确率分别达99.72%和96.22%。因此,利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。
展开更多
关键词
高光谱
萝卜种子
堆叠自动编码器
连续投影算法
变量迭代空间收缩方法
下载PDF
职称材料
栈式稀疏自编码网络的多时相全极化SAR散射特征降维
被引量：
6
2
作者
李恒辉
郭交
+2 位作者
韩文霆
刘艳阳
宁纪锋
《遥感学报》
EI
CSCD
北大核心
2020年第11期1379-1391,共13页
利用极化合成孔径雷达(PolSAR)能够实现地物的识别和分类,而多时相全极化SAR可以获取地物更多的散射特征,提升地物识别精度,但高维散射特征的引入会带来严重的维数灾难问题。为了实现对高维散射特征的有效降维,本文提出一种基于栈式稀...
利用极化合成孔径雷达(PolSAR)能够实现地物的识别和分类,而多时相全极化SAR可以获取地物更多的散射特征,提升地物识别精度,但高维散射特征的引入会带来严重的维数灾难问题。为了实现对高维散射特征的有效降维,本文提出一种基于栈式稀疏自编码网络S-SAE(Stacked Sparse AutoEncoder)的多时相PolSAR散射特征降维方法。该方法首先对PolSAR数据进行极化目标分解以获取高维散射特征;然后使用S-SAE对获取的多维特征进行降维处理,其中S-SAE降维方法首先采用无监督训练方式进行逐层贪婪训练;再结合Sigmod分类器,利用监督训练的方式对S-SAE进行参数优化,实现高维特征的有效降维;最后以降维后的特征作为支持向量机(SVM)和卷积神经网络(CNN)分类器的输入,实现地物分类。通过仿真和实测的两组多时相Sentinel-1数据处理结果表明,双隐层的S-SAE降维方法在各分类器上均取得最优的降维效果;对比各降维方法在SVM分类器上的分类精度,S-SAE较于局部线性嵌入(LLE)与主成分分析(PCA)降维方法,总体分类精度分别至少提升了9%和14%;在CNN分类器上,S-SAE较于LLE与PCA降维方法,总体分类精度分别至少提升了7%和9%。
展开更多
关键词
特征降维
作物分类
极化合成孔径雷达
多时相
栈式稀疏自编码网络
卷积神经网络
原文传递
题名
基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别
被引量：
5
1
作者
杭盈盈
李亚婷
孙妙君
机构
江苏大学电气信息工程学院
出处
《农业工程》
2020年第5期29-33,共5页
基金
大学生实践创新训练计划项目(项目编号:201910299024Z,201910299142Y)。
文摘
提出一种基于可见-近红外光谱技术的无损检测方法,以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像,并利用HSI软件提取光谱数据。使用Savitzky Golay(SG)平滑与多元散射校正(multiple scattering correction,MSC)叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器(stacked autoencoder,SAE)、连续投影算法(successive projections algorithm,SPA)和变量迭代空间收缩算法(variable iterative space shrinkage approach,VISSA)进行数据降维。利用Softmax与支持向量机(support vector machine,SVM)算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优,其训练集和预测集准确率分别达99.72%和96.22%。因此,利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。
关键词
高光谱
萝卜种子
堆叠自动编码器
连续投影算法
变量迭代空间收缩方法
Keywords
hyperspectral
imaging
radish
seeds
stack
autoencoder
(
sae
)
successive
projections
algorithm(SPA)
variable
iterative
space
shrinkage
approach(VISSA)
分类号
S126 [农业科学—农业基础科学]
下载PDF
职称材料
题名
栈式稀疏自编码网络的多时相全极化SAR散射特征降维
被引量：
6
2
作者
李恒辉
郭交
韩文霆
刘艳阳
宁纪锋
机构
西北农林科技大学机械与电子工程学院
陕西省农业信息感知与智能服务重点实验室
西北农林科技大学水土保持研究所
上海卫星工程研究所
西北农林科技大学信息工程学院
出处
《遥感学报》
EI
CSCD
北大核心
2020年第11期1379-1391,共13页
基金
陕西省重点研发计划(编号:2020GY-162)
国家自然科学基金(编号:41301450,51979233,61601298)
中央高校基本科研业务费专项资金资助项目(编号:2452019180)。
文摘
利用极化合成孔径雷达(PolSAR)能够实现地物的识别和分类,而多时相全极化SAR可以获取地物更多的散射特征,提升地物识别精度,但高维散射特征的引入会带来严重的维数灾难问题。为了实现对高维散射特征的有效降维,本文提出一种基于栈式稀疏自编码网络S-SAE(Stacked Sparse AutoEncoder)的多时相PolSAR散射特征降维方法。该方法首先对PolSAR数据进行极化目标分解以获取高维散射特征;然后使用S-SAE对获取的多维特征进行降维处理,其中S-SAE降维方法首先采用无监督训练方式进行逐层贪婪训练;再结合Sigmod分类器,利用监督训练的方式对S-SAE进行参数优化,实现高维特征的有效降维;最后以降维后的特征作为支持向量机(SVM)和卷积神经网络(CNN)分类器的输入,实现地物分类。通过仿真和实测的两组多时相Sentinel-1数据处理结果表明,双隐层的S-SAE降维方法在各分类器上均取得最优的降维效果;对比各降维方法在SVM分类器上的分类精度,S-SAE较于局部线性嵌入(LLE)与主成分分析(PCA)降维方法,总体分类精度分别至少提升了9%和14%;在CNN分类器上,S-SAE较于LLE与PCA降维方法,总体分类精度分别至少提升了7%和9%。
关键词
特征降维
作物分类
极化合成孔径雷达
多时相
栈式稀疏自编码网络
卷积神经网络
Keywords
dimension
reduction
crop
classification
Polarimetric
Synthetic
Aperture
Radar(PolSAR)
multi-temporal
stack
Sparse
autoencoder
(S-
sae
)
CNN
分类号
TN957.52 [电子电信—信号与信息处理]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别
杭盈盈
李亚婷
孙妙君
《农业工程》
2020
5
下载PDF
职称材料
2
栈式稀疏自编码网络的多时相全极化SAR散射特征降维
李恒辉
郭交
韩文霆
刘艳阳
宁纪锋
《遥感学报》
EI
CSCD
北大核心
2020
6
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
