【摘 要】
：
大数据时代,针对高维数据的聚类分析已成为数据挖掘的热点和难点问题,与此同时,近年来数据获取方式的重大变革推动了多视角研究快速兴起.多视角子空间聚类能够针对高维数据进行聚类,已成为目前聚类研究的一个重要分支.然而,现有部分方法直接从原始数据学习相似度矩阵,极易受到数据中噪声的影响.因此,本文提出了一种基于本质自表示的多视角子空间聚类方法 (intrinsic self-representation
论文部分内容阅读
大数据时代,针对高维数据的聚类分析已成为数据挖掘的热点和难点问题,与此同时,近年来数据获取方式的重大变革推动了多视角研究快速兴起.多视角子空间聚类能够针对高维数据进行聚类,已成为目前聚类研究的一个重要分支.然而,现有部分方法直接从原始数据学习相似度矩阵,极易受到数据中噪声的影响.因此,本文提出了一种基于本质自表示的多视角子空间聚类方法 (intrinsic self-representation for multi-view subspace clustering, ISMSC),从数据的潜在表示中
其他文献
2021年9月26日,由航天科技集团公司科技委卫星应用专业组、航天五院科技委卫星应用专业组、中国宇航学会卫星应用专委会共同主办,航天恒星科技有限公司、上海卫星工程研究所、中国四维测绘技术有限公司、天地一体化信息技术国家重点实验室承办的2021年卫星应用学术交流与研讨会在北京召开。会议以"人工智能赋能卫星遥感应用创新发展"为主题,专业组成员、特邀专家和相关领导50余人参加了会议。
对于农村房地一体化测量而言,是融合农村房屋调查确权和农村宅基地测绘以及集体建设用地地权籍调查开展的一项基础性的调查工作。过去在测绘工作开展过程当中,都是运用全站仪联合GPS-RTK的方法开展测绘工作,这种方式方法不但效率很难保障,而且具有较长的周期,成本投入相对较高,在任务重、时间紧的情况下,无法高效率、高质量的开展测绘工作。而应用无人机倾斜摄影测量技术进行农村房地一体化测绘,能够大幅提高测绘效率
针对倾斜摄影测量中扩展航线上存在大量冗余影像的问题,文章提出了一种基于影像摄影方向剔除扩展航线上冗余影像的方法。该方法无须测区高程信息且计算简单快速,易于编程实现,试验对比表明,可有效剔除扩展航线中的冗余影像,显著提高内业数据处理效率,降低生产成本,在大规模倾斜摄影测量项目中具有重要的应用价值。
随着城市化进程的快速发展,地面沉降问题受到了人们的广泛关注。文章以新乡市主城区为例,基于PS-InSAR技术对研究区2017年11月～2019年10月的Sentinel-1A数据进行了处理,获取了该地区的沉降信息。试验结果表明:新乡市存在不同程度的地面沉降,沉降区域主要集中在牧野区内人口集中的村庄,最大沉降速率超过20 mm/a;通过时序分析发现,引起地面沉降的原因与地下水超采有关。
随着无人机、相机和数字处理软件技术的不断完善,传统的三维建模将逐渐被自动化三维建模技术所取代。文章先通过分析大疆精灵4 RTK无人机进行倾斜摄影测量作业流程和像控点布置的基本要求,然后使用大疆精灵4 RTK无人机进行倾斜摄影测量和银河1plus对像控点进行三维坐标实测两项外业施测工作,最后借助Context Capture对采集的影像数据和控制点坐标完成航空大楼的三维建模。
封面图片为吉林一号宽幅01A卫星于2021年8月3日拍摄的位于四川省广汉市的三星堆遗址真彩色合成影像,展现了三四千年前的古蜀文化遗址如今的风貌。从吉林一号卫星拍摄的影像中可以清晰地看到三星堆博物馆、三星堆遗址所处位置及其地物纹理信息。"吉林一号"星座是由138颗涵盖高分辨、大幅宽、视频、多光谱等系列的高性能光学遥感卫星组成,已经通过11次发射将29颗"吉林一号"卫星送入太空,建成了中国目前最大的商
针对经典Unet算法在提取遥感影像中建筑物特征时存在编码信息丢失、对多尺度建筑目标适应性差和上下文特征联系不足的问题,本研究提出了一种多尺度融合的变形残差金字塔编解码网络.首先,引入深度编码网络与下采样旁路网络替换原编码结构,共同完成对建筑物目标高阶特征信息的提取;其次,在编码网络次末端节点引入联合变形卷积的残差金字塔结构,以提升网络对建筑物多尺度特征和边缘模糊特征的辨识能力;最后,将高阶和低阶特
目前,违章建筑和违章占地现象时有发生,两违执法工作已是城市管理部门的常态。基于U型神经网络(U-Net)建立了两违疑似图斑识别模型,在GIS技术支持下,可对大面积正射影像进行自动搜索,标定两违疑似图斑的位置和范围,从而减轻人工作业劳动强度,提高了两违监测的自动化水平和工作效率。
Multispectral points, as a new data source containing both spectrum and spatial geometry, opens the door to three-dimensional(3D) land cover classification at a finer scale. In this paper, we model th
欢迎参加CNCC2021本届大会由香港科技大学(广州)校长倪明选担任大会主席,南京大学人工智能学院院长周志华担任程序委员会主席。今年的特邀嘉宾包括ACM图灵奖获得者John Hopcroft教授和Barbara Liskov教授,陈维江、冯登国、郭光灿、孙凝晖、王怀民等多位院士。今年的技术论坛多达111个,将为参会者带来学术、技术、产业、教育、科普等方面的全方位体验。大会期间还将首次举办"会员之夜