-
公开(公告)号：CN110110769A
公开(公告)日：2019-08-09
申请号：CN201910331695.4
申请日：2019-04-24
Applicant: 长安大学
Abstract: 本发明公开了一种基于宽度径向基函数网络的图像分类方法，包括以下步骤：构建径向基函数网络；采用滑动窗口获得待处理图像的局部特征矩阵；通过宽度径向基函数网络对局部特征矩阵进行非线性变换，获得宽度径向基函数网络的输出数据；通过排序和下采样得到宽度径向基函数网络的高斯基函数输出，采用线性层权重对高斯基函数输出进行线性层连接，得到最终输出，即得到处理后的图像和训练后的宽度径向基函数网络。本发明采用滑动窗口获取待处理图像的局部特征，减少了隐藏层神经元个数，此外，采用排序和下采样的方式进一步减少了输出个数，解决了图像为尺寸较大时权值数指数增加的问题，从而可实现图像数据的高效分类。
-
公开(公告)号：CN108876760A
公开(公告)日：2018-11-23
申请号：CN201711493854.8
申请日：2017-12-31
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
Abstract: 本发明公布了一种基于历史解译知识的遥感影像变化检测方法，本发明方法的前提是获取研究区的历史解译专题图，将其地物空间分布信息作为先验知识指导后续的对象级变化检测。本发明在各期遥感数据上提取空间前后期一致的对象对，同时利用历史解译知识作为辅助，通过DS证据融合手段，最终实现不同时期遥感数据间的变化检测。相比于已有的变化检测方法，本方法具有更高的识别精度和稳健性。
-
公开(公告)号：CN110110769B
公开(公告)日：2021-03-02
申请号：CN201910331695.4
申请日：2019-04-24
Applicant: 长安大学
Abstract: 本发明公开了一种基于宽度径向基函数网络的图像分类方法，包括以下步骤：构建径向基函数网络；采用滑动窗口获得待处理图像的局部特征矩阵；通过宽度径向基函数网络对局部特征矩阵进行非线性变换，获得宽度径向基函数网络的输出数据；通过排序和下采样得到宽度径向基函数网络的高斯基函数输出，采用线性层权重对高斯基函数输出进行线性层连接，得到最终输出，即得到处理后的图像和训练后的宽度径向基函数网络。本发明采用滑动窗口获取待处理图像的局部特征，减少了隐藏层神经元个数，此外，采用排序和下采样的方式进一步减少了输出个数，解决了图像为尺寸较大时权值数指数增加的问题，从而可实现图像数据的高效分类。
-
公开(公告)号：CN112381332A
公开(公告)日：2021-02-19
申请号：CN202011401637.3
申请日：2020-12-02
Applicant: 中国科学院空天信息创新研究院 , 长安大学
Abstract: 本发明提供一种基于聚落对象的人口空间分布预测方法，包括以下步骤：选取聚落对象，采集聚落对象对应的地理空间数据，并进行数据预处理，得到聚落对象的变量因子及人口密度对数；根据预处理后的变量因子及人口密度对数构建预测模型，根据回归模型得到人口密度预测值，并通过计算分解权重，得到最终的人口预测值；对最终的人口数量预测值进行精度评估，评价预测模型的预测性能，根据预测结果进行预测模型优化。本发明通过对人口普查数据进行空间化处理，通过采用改进的随机森林模型，能够得到准确、真实、地理上一致的空间分布结果。
-
公开(公告)号：CN112966623B
公开(公告)日：2024-03-19
申请号：CN202110279067.3
申请日：2021-03-16
Applicant: 长安大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明属于人工智能和机器学习技术领域，公开了一种多层宽度神经网络及其训练方法和应用，可用高光谱遥感影像和普通图像分类任务。其每一层由滑动窗口的变换核进行非线性变换，向宽方向扩展以充分学习空间和频谱特征，并且引入了排序和下采样操作以减少该层的变换内核层的输出数量，每一层称为宽度滑动窗口和下采样层，即WSWS层，将多个WSWS层级联可以更大视野的更高级别的空间和光谱特征。该网络只需学习全连接层的权值，从而可以轻松的进行训练。
-
Patent Agency Ranking
公开(公告)号：CN116310778A
公开(公告)日：2023-06-23
申请号：CN202211101688.3
申请日：2022-09-09
Applicant: 长安大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明涉及遥感技术领域，具体涉及一种微波遥感土壤水分数据图像降尺度方法。本发明利用机器学习算法对土壤水分数据图像与降尺度因子之间的关系进行非线性拟合，建立非线性关系模型；模型训练速度快、泛化能力强，不易受到模型参数等不确定性因素的影响，考虑的自变量较多，对复杂区域更适应；从而避免了复杂物理机理的降尺度方法，同时运用了微波遥感数据的优势，提高了微波遥感土壤水分数据图像的空间分辨率。
-
公开(公告)号：CN110110845A
公开(公告)日：2019-08-09
申请号：CN201910331708.8
申请日：2019-04-24
Applicant: 长安大学
IPC: G06N3/04
Abstract: 本发明公开了一种基于并行多级宽度神经网络的学习方法，包括以下步骤：获取验证集，构建基分类器；对并行M级宽度神经网络的每级进行训练和验证，得到训练后的并行M级宽度神经网络和每级宽度神经网络对应的验证输出；通过统计计算得到每级宽度神经网络的决策阈值；通过测试集对验证后的并行多级宽度神经网络进行测试。本发明的神经网络具有多级结构，每级针对数据的不同部分进行学习，且可实现并行化训练和测试。每一级采用一种宽度神经网络在宽度方向进行特征学习；通过多个宽度神经网络作为基分类器在宽度方向的再次连接，实现两个宽度方向上的分类器集成；通过增加新一级的宽度神经网络实现网络的增量学习；且可实现并行化测试。
-
公开(公告)号：CN112966623A
公开(公告)日：2021-06-15
申请号：CN202110279067.3
申请日：2021-03-16
Applicant: 长安大学
Abstract: 本发明属于人工智能和机器学习技术领域，公开了一种多层宽度神经网络及其训练方法和应用，可用高光谱遥感影像和普通图像分类任务。其每一层由滑动窗口的变换核进行非线性变换，向宽方向扩展以充分学习空间和频谱特征，并且引入了排序和下采样操作以减少该层的变换内核层的输出数量，每一层称为宽度滑动窗口和下采样层，即WSWS层，将多个WSWS层级联可以更大视野的更高级别的空间和光谱特征。该网络只需学习全连接层的权值，从而可以轻松的进行训练。
-
公开(公告)号：CN110110845B
公开(公告)日：2020-09-22
申请号：CN201910331708.8
申请日：2019-04-24
Applicant: 长安大学
IPC: G06N3/04
Abstract: 本发明公开了一种基于并行多级宽度神经网络的学习方法，包括以下步骤：获取验证集，构建基分类器；对并行M级宽度神经网络的每级进行训练和验证，得到训练后的并行M级宽度神经网络和每级宽度神经网络对应的验证输出；通过统计计算得到每级宽度神经网络的决策阈值；通过测试集对验证后的并行多级宽度神经网络进行测试。本发明的神经网络具有多级结构，每级针对数据的不同部分进行学习，且可实现并行化训练和测试。每一级采用一种宽度神经网络在宽度方向进行特征学习；通过多个宽度神经网络作为基分类器在宽度方向的再次连接，实现两个宽度方向上的分类器集成；通过增加新一级的宽度神经网络实现网络的增量学习；且可实现并行化测试。
-
公开(公告)号：CN109523143A
公开(公告)日：2019-03-26
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: G06Q10/06 , 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。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
