【摘 要】
：
针对现有基于阶梯网络(LN)的高光谱图像分类算法无法充分提取图像的空谱特征而导致分类精度降低的问题,提出一种基于改进阶梯网络的高光谱半监督分类算法.首先将三维卷积神经网络(3D-CNN)与长短时记忆(LSTM)网络结合,提出一种新的空谱特征提取(3D-CNN-LSTM)网络,使用该网络分步提取局部空间特征与光谱特征.然后使用3D-CNN-LSTM网络对阶梯网络的编码器与解码器进行改进,提出一种3D-CNN-LSTM-LN半监督分类算法,增强阶梯网络的特征提取能力.最后在Pavia University和I
【机 构】
：
空军航空大学,吉林长春130022;东北师范大学地理科学学院,吉林长春130024;中国人民解放军95910部队,甘肃酒泉735000;中国人民解放军95795部队,广西桂林541000
论文部分内容阅读
针对现有基于阶梯网络(LN)的高光谱图像分类算法无法充分提取图像的空谱特征而导致分类精度降低的问题,提出一种基于改进阶梯网络的高光谱半监督分类算法.首先将三维卷积神经网络(3D-CNN)与长短时记忆(LSTM)网络结合,提出一种新的空谱特征提取(3D-CNN-LSTM)网络,使用该网络分步提取局部空间特征与光谱特征.然后使用3D-CNN-LSTM网络对阶梯网络的编码器与解码器进行改进,提出一种3D-CNN-LSTM-LN半监督分类算法,增强阶梯网络的特征提取能力.最后在Pavia University和Indian Pines两个数据集上对不同算法进行实验.实验结果表明,在小样本条件下,所提算法取得了最佳的分类效果,验证了所提算法具有优越性.
其他文献
为实现苹果产地的判别分析,以阿克苏、静宁、灵宝和烟台的红富士苹果为研究对象,在800～1700 nm范围内采集苹果的高光谱数据,分别采用一阶导数(1-Der)、二阶导数(2-Der)、标准正态变换(SNV)、多元散射校正(MSC)、小波变换(WT)、平滑变换(SG)、傅里叶变换(FT)对原始光谱数据进行预处理,建立线性模型偏最小二乘法判别分析(PLSDA)和非线性模型极限学习机(ELM)和支持向量机(SVM)两种.结果 显示,采用MSC预处理方法的效果最佳,非线性模型优于线性模型.对MSC预处理之后的光谱
心血管疾病现今已成为人类健康的头号杀手,发展高分辨的腔内影像技术有助于心血管疾病的精准诊疗.光学相干层析成像(OCT)技术具有非接触、非侵入、高分辨率且成像速度快的优点,对心血管疾病的治疗可起到关键性指导作用.首先描述了近年来中国冠脉介入手术持续增长的状况,分别介绍了OCT、内窥OCT以及心血管OCT的研究发展和应用情况,详细综述了心血管OCT在学术研究和商业转化方面的发展进程,阐述了心血管OCT在冠脉斑块临床诊断中的重要作用以及对支架手术及预后的指导性作用.最后对未来心血管OCT的发展前景作出了展望,并
介绍一个面向高年级本科生的计算化学实验.通过量子化学计算与统计热力学方法相结合,预测了 298 K时过氧化氢的二面角,并与实验值进行比较.通过这一应用实例,使学生能够深入理解结构化学和物理化学的相关理论知识,尤其是对统计热力学的本质有一个直观认识,提升学生利用统计热力学处理科学问题的能力.
为了贯彻落实《国家职业教育改革实施方案》,教育部颁布的《中等职业学校公共基础课程方案》进一步确立了中等职业学校化学基础课的地位和作用.系统研究了新时代中等职业教育面临的形势与任务、化学基础课改革历程以及化学课程标准凸显出的中职化学课程改革的新理念,并分析了新课标对中职化学教师的新要求.
为了实现对案件现场常见食品包装纸的快速分类及认定,提出一种基于X射线荧光光谱(XRF)结合深度学习算法的食品包装纸可视化检验方法.首先,采用XRF检验44个不同来源的食品包装纸样本中的无机元素,并根据主要构成元素的含量,对其进行人工分类和系统聚类分析.其次,分别使用主成分分析和t分布随机邻域嵌入两种降维算法处理数据以检验聚类效果,并实现数据分类可视化.最后,随机选取80％的样本作为训练集构建人工神经网络,并进行相关实验.实验结果表明,所提方法在测试集上的分类正确率为88.9％,可以为未来公安业务实际应用提
利用激光诱导击穿光谱(LIBS)技术结合主成分分析-粒子群优化-支持向量机(PCA-PSO-SVM)算法对12类矿石进行分类识别.运用Savitzky Golay滤波、分段特征值提取法对光谱进行平滑滤波与基线校正预处理.选取经主成分分析(PCA)降维后的前25个主成分作为PSO-SVM分类模型的输入,得到对12类矿石的最佳识别准确率为100％.分别建立主成分-线性判别分析(PCA-LDA)、主成分-粒子群优化-误差反向传播神经网络(PCA-PSO-BP)两种分类模型,并与PCA-PSO-SVM模型进行对比
荧光超分辨显微成像技术的发展使得人们有望以前所未有的时空分辨率来实现细胞内动态生命活动的纳米尺度探测.传统超分辨显微成像技术需要较强的激发光源或采集数量较多的原始数据用于图像重建,因此在活细胞动态实时成像应用中存在不足.深度学习驱动的超分辨成像新技术的研究,有望在多个方面突破现有超分辨成像技术的发展瓶颈.从超分辨成像技术的原理出发,分析了传统超分辨成像技术的不足,总结阐述了深度学习技术在超分辨显微成像领域中的最新应用及未来的研究方向与面临的挑战.
应用传输矩阵法研究含缺陷层的函数型光子晶体表面的光自旋霍尔效应,数值计算和分析研究发现,通过调节入射线偏振光的偏振角、入射角、函数型光子晶体周期数、缺陷层光学厚度及入射光波圆频率等,可以实现反射光波和透射光波相对于入射点的横向位移控制.在数值计算中还发现通过调节相应参量可以实现百微米量级透射光波的横移,这些工作可为基于自旋的量子通信以及新型光电器件研究提供理论参考.
针对行人头部易受光照变化和遮挡的影响而导致目标检测准确率较低的问题,提出一种基于多尺度融合的双通道SSD(Single Shot Multibox Detector)行人头部检测算法.首先在SSD网络上增加一条深度通道,将带有深度信息的头部特征与SSD网络的特征进行融合,形成双通道SSD网络;然后在双通道SSD网络的基础上,将具有丰富语义信息的高层特征图与低层特征图进行特征融合,实现更精确的头部定位;最后重新调整SSD的先验框以减少SSD网络的计算量.实验结果表明,在光照和遮挡的情况下,相比于传统SSD目
针对micro electro mechanical system (MEMS)激光雷达与相机标定外参误差大的问题,提出了一种基于标定板关键点的外参标定方法.首先对多帧点云进行叠加预处理,然后基于Hough变换拟合标定板的边缘直线以确定关键点,最后设立关键点及法向量对应的约束条件,利用点面对应算法求出优化的标定外参.实验结果表明,所提方法可精确提取关键点,使得标定外参的平均误差相比现有的外参标定方法更低,提高了标定外参的精度.