-
公开(公告)号:CN112966761B
公开(公告)日:2024-03-19
申请号:CN202110278923.3
申请日:2021-03-16
Applicant: 长安大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明属于人工智能技术领域,公开了一种可扩展的自适应宽度神经网络学习方法,可用于图像分类任务。它由多个多通道宽RBF神经网络(MWRBF)组成,每个MWRBF神经网络可以把重点放在不同的数据上,并且使用高斯核执行非线性变换。可扩展的自适应宽度神经网络中的MWRBF网络数量由学习任务自身的规模和难度决定。该网络采用了可分离的迭代最小二乘训练方法,从而可以高效地处理高维和大量样本的数据;本发明的可扩展的自适应宽度神经网络具有可以进行并行测试的特点。
-
公开(公告)号:CN109523143B
公开(公告)日:2023-04-18
申请号:CN201811293373.7
申请日:2018-11-01
Applicant: 苏州中科天启遥感科技有限公司 , 长安大学 , 中国科学院遥感与数字地球研究所 , 中科坤元地理信息技术(苏州)有限公司
IPC: G06Q10/0639 , G06Q50/02 , G06F16/2458
Abstract: 本发明公布了一种基于多粒度计算的土地评价方法,在获取地块矢量单元基础上,利用自然资源和社会经济的多源时空数据进行地块属性的扩展、结构化表示、约简以及规则提取等步骤,实现从地块“多维属性值”到“专题决策值”的映射转化,进而绘制形成地块级专题推测图,为政府、企业等部门提供更为精细和精准的土地种植评价信息。本方法主要的关键技术为“属性扩展”、“规则提取”以及“专题推测制图”等。本发明可实现较高精度的地块级土地适宜性评价专题制图。
-
公开(公告)号:CN112966761A
公开(公告)日:2021-06-15
申请号:CN202110278923.3
申请日:2021-03-16
Applicant: 长安大学
Abstract: 本发明属于人工智能技术领域,公开了一种可扩展的自适应宽度神经网络学习方法,可用于图像分类任务。它由多个多通道宽RBF神经网络(MWRBF)组成,每个MWRBF神经网络可以把重点放在不同的数据上,并且使用高斯核执行非线性变换。可扩展的自适应宽度神经网络中的MWRBF网络数量由学习任务自身的规模和难度决定。该网络采用了可分离的迭代最小二乘训练方法,从而可以高效地处理高维和大量样本的数据;本发明的可扩展的自适应宽度神经网络具有可以进行并行测试的特点。
-
公开(公告)号:CN108921025A
公开(公告)日:2018-11-30
申请号:CN201810556010.1
申请日:2018-06-01
Applicant: 苏州中科天启遥感科技有限公司 , 长安大学 , 中国科学院遥感与数字地球研究所
Abstract: 本发明公开了一种协同变化检测的遥感影像对象级分类样本自动选择方法,在获取同一区域两期遥感影像的前提下,对新时相的影像利用均匀漂移的方式进行多尺度分割,获取地物的对象边界信息,同时对两期影像进行变化检测,获取不变像元;进一步在“不变”像元位置基础上建立两期影像间的“不变”信息映射关系,从而进行原始样本信息在对应“不变”位置上的迁移;然后,以新时相影像分割获取的矢量边界为约束,提取“不变”对象及其样本类标签信息;最后,利用对象相关属性进行样本纯化,剔除部分具有错误类标签信息的对象,最终建立新影像的对象级样本库,用于新时相遥感影像的分类。
-
-
-