基于DBN模型的遥感图像分类.pdf
qw****27
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于DBN模型的遥感图像分类.pdf
一种基于多模型融合的遥感图像分类方法.pdf
本发明公开了一种基于多模型融合的遥感图像分类方法,涉及遥感图像分类技术领域,包括遥感平台、图像分类系统和图像分类模型构建模块,所述遥感平台连接有中央处理器,且中央处理器电性连接有数据储存模块和图像分类系统,所述图像分类系统包括图像特征提取模块、图像特征划分模块、图像分类模型构建模块、分类精度检测模块、分类结果检验模块和图像分类执行模块。该基于多模型融合的遥感图像分类方法,图像分类模型分为主体模型和若干支杆模型,通过图像分类模型的方式能够智能化对图像进行分类,并且而且能够实现多个全局图像的分类以及单个图像的
基于SAR-SIFT和DBN的SAR图像分类方法.pdf
本发明公开了一种基于SAR‑SIFT和DBN的SAR图像分类方法,主要解决了合成孔径雷达图像分类问题。其分类过程为:(1)输入整数类型SAR图像矩阵;(2)转换SAR图像矩阵;(3)提取SAR‑SIFT特征;(4)最大池化处理;(5)归一化;(6)训练四个受限玻耳兹曼机RBM;(7)训练softmax分类器;(8)构建深度置信网DBN网络;(9)分类;(10)计算分类精度。本发明提取了合成孔径雷达图像的SAR‑SIFT特征,采用了深度置信网DBN,逐层地学习特征,保留了雷达图像的信息完整性,挖掘了深度信息
一种基于XGBoost的多尺度特征融合遥感图像分类模型.pdf
本发明提出了一种新的基于XGBoost的多尺度特征融合遥感图像分类模型——XMV?Net。传统的MobileVit仅通过全连接层构建的单层分类器容易受到图像噪声的干扰,从而导致分类精度降低,因此本发明采用高精度的集成模型XGBoost替代它的全连接层。为了进一步提高模型性能,首先在MobileVit网络中加入辅助分类器,以及通道、空间注意力机制,形成New?MobileVit网络以用于遥感图像的多尺度特征提取;然后使用粒子群算法对多尺度特征信息维度以及XGBoost六个基本参数进行优化;最后使用优化后的X
环境遥感-遥感图像专题分类.ppt
第四章遥感图像专题分类内容第二节非监督分类第二节非监督分类第二节非监督分类第二节非监督分类第二节非监督分类K-meansvsISODATA第三节监督分类第三节监督分类第三节监督分类第三节监督分类第三节监督分类第三节监督分类第三节监督分类第三节监督分类第三节监督分类第五章遥感分类中的不确定性和尺度问题第五章遥感分类中的不确定性和尺度问题第五章遥感分类中的不确定性和尺度问题第五章遥感分类中的不确定性和尺度问题第五章遥感分类中的不确定性和尺度问题第五章遥感分