搜索结果: 1-4 共查到“测绘科学技术 卷积神经网络”相关记录4条 . 查询时间(0.132 秒)
侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作。针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题，本文尝试引入卷积神经网络的方法，同时考虑到侧扫声呐沉船图像属于小样本数据集，提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法。通过归一化处理、图像增强等方式扩充样本数据，并以4∶1的比例划分训练集和测试集，同时参照经典...
海底底质分类对于海洋资源开发与利用、海洋科学研究等多方面具有重要意义。目前，多波束探测是实现大范围海底底质分类的有效手段之一，通常基于多波束反向散射强度提取角度响应（AR）特征及反向散射图像特征进行底质分类。由于特征来源较单一，分类器结构简单，往往分类精度不高。为此，本文提出了一种基于深层卷积神经网络（CNN）的多波束海底底质分类方法。除反向散射强度特征外，还利用地形特征，将特征向量转换为波形图，...
城市扩展元胞自动机多结构卷积神经网络模型
城市扩展 元胞自动机 多结构卷积神经网络 地理模拟
<
2020/5/11
传统的城市扩展元胞自动机（CA）模型是基于单个元胞的变量信息挖掘来构建转换规则的。针对这一问题，本文基于多结构卷积神经网络提出从区域特征出发且顾及区域多尺度特征挖掘转换规则的城市扩展元胞自动机模型（MSCNN-CA），并以武汉主城区和上海浦东新区为例，模拟了两个试验区2005-2015年期间城市扩展过程。