共查询到20条相似文献，搜索用时 404 毫秒
1.
基于计算智能的土地适宜性评价模型 总被引：22，自引：2，他引：22
将计算智能理论引入土地评价领域，构建了一个全新的土地适宜性评价模型。首先基于模糊逻辑和人工神经网络构造了一个模糊神经网络模型，然后采用改进的遗传算法进行训练，能够快速收敛到最优解，对初始的规则库进行修正，形成了一个自学习、自适应的评价系统。 相似文献
2.
本文在研究BP神经网络和模糊理论的基础上,提出了传统BP算法的一种改进方法和基于模糊系统的神经网络遥感影像分类方法。通过试验表明:基于模糊技术的神经网络分类方法要优于BP神经网络方法,取得了令人满意的效果。 相似文献
3.
4.
在设计了一种具有实用意义的形态学开、闭滤波的神经网络模型基础上，完成了用于目标检测识别的优化学习算法，为克服BP算法存在的收敛速度慢、需要选择学习参数且无法保证全局最优等固有缺陷，将启发引导策略与学习规则相结合，采用了一种动态调控学习参数的自适应BP学习算法。试验结果表明，该算法不仅能适应复杂多变的背景环境，而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性。 相似文献
5.
针对多波束单ping水深数据多呈现较为复杂的曲线形式的现象，提出了基于逆传播（back propagation，BP）神经网络的多波束测深数据粗差剔除方法，即依据BP神经网络具有从输入到输出的映射功能，构建适应多波束单ping水深数据复杂曲线的训练学习算法进行曲线拟合。考虑地形之间的延续性进行相邻ping水深数据间的相关性分析，纵向检查定位并剔除粗差。通过实测多波束测深数据验证该方法的有效性，并与不确定性与测深学联合估值滤波以及交互式滤波方法进行比对分析，结果表明该方法可以有效剔除多波束测深数据中的粗差。 相似文献
6.
针对灰色神经网络权值阈值的不确定性,该文提出改进型果蝇优化算法优化的灰色神经网络预测模型。通过添加逃脱系数修改适应度函数,同时引入三维空间搜索的概念扩大了果蝇搜索范围对基本果蝇优化算法进行改进,避免算法陷入早熟收敛的陷阱,加快收敛速度,有效地提高了算法的优化性能。利用改进型果蝇优化算法优化灰色神经网络参数建立预测模型。选用实际工程沉降数据仿真模拟,验证该模型的预测性能,并将预测结果与果蝇优化算法灰色神经网络、粒子群优化灰色神经网络和灰色神经网络进行比较。结果表明,改进型果蝇优化算法优化的灰色神经网络预测模型预测精度更高,拟合程度更好。 相似文献
7.
A neural fuzzy network approach to Radar pulse compression 总被引：1，自引：0，他引：1
Fun-Bin Duh Chia-Feng Juang Chin-Teng Lin 《Geoscience and Remote Sensing Letters, IEEE》2004,1(1):15-20
To make good range resolution and accuracy compatible with a high detection capability while maintaining the low average transmitted power, pulse compression processing giving low-range sidelobes is necessary. The traditional algorithms such as the direct autocorrelation filter (ACF), least squares (LS) inverse filter, and linear programming (LP) filter based on three-element Barker code (B13 code) have been developed. Recently, the neural network algorithms were issued. However, the traditional algorithms cannot achieve the requirements of high signal-to-sidelobe ratio and low integrated sidelobe level (ISL), and the normal neural networks such as the backpropagation (BP) network usually produce the extra problems of low convergence speed and are sensitive to the Doppler frequency shift. To overcome these defects, a new approach using a neural fuzzy network to deal with pulse compression in a radar system is presented. Two different Barker codes are carried out by a six-layer self-constructing neural fuzzy network (SONFIN). Simulation results show that this neural fuzzy network pulse compression (NFNPC) algorithm has significant advantages in noise rejection performance, range resolution ability, and Doppler tolerance, which are superior to the traditional and BP algorithms. 相似文献
8.
深度学习技术促使诸多领域研究取得突破性进展, 基于深度神经网络的地图综合研究备受期待。将建筑物综合过程抽象解释为编解码过程, 系统地研究基于编解码结构的深度神经网络在建筑物综合中的应用。首先, 利用空间划分与矢量-栅格数据转换相结合的方式构建样本和样本集; 然后, 利用样本集训练基于编解码结构的深度神经网络, 实现建筑物综合学习泛化并测试、评估其效果; 最后, 搭建5种代表性的基于编解码结构的深度神经网络, 分析比较各模型在建筑物综合中的应用效果。实验结果表明, 基于编解码结构的深度神经网络能够从建筑物综合样本中学习或推理出部分建筑物综合知识和综合操作, 且5种模型中Pix2Pix更适用于建筑物综合的学习模拟。 相似文献
9.
多时相遥感影像语义分割色彩一致性对抗网络 总被引：2，自引：0，他引：2
利用深度卷积神经网络智能化地提取遥感图像中的建筑物对于数字城市构建、灾害侦查、土地管理等具有重要意义。多时相遥感图像之间的色彩差异会导致建筑物语义分割模型泛化能力下降。针对此,本文提出了注意力引导的色彩一致生成对抗网络（attention-guided color consistency adversarial network,ACGAN）。该算法以参考色彩风格图像及相同区域、不同时相的待纠正图像作为训练集,采用加入了U型注意力机制的循环一致生成对抗网络训练得到色彩一致模型。在预测阶段,该模型将待纠正图像的色调转换为参考色彩风格图像的色调,这一阶段基于深度学习模型的推理能力,而不再需要相应的参考色彩风格图像。为了验证算法的有效性,首先,将本文算法与传统的图像处理算法及其他循环一致生成对抗网络做了对比试验。结果表明,ACGAN色彩一致后的图像与参考色彩风格图像的色调更加相似。其次,将以上不同的色彩一致性算法处理后的结果图像进行建筑物语义分割试验,证明本文方法更加有利于多时相遥感图像语义分割模型泛化能力的提升。 相似文献
10.
Abstract It has been well established that neural networks provide a reasonable and powerful alternative to conventional classifiers. During the past few years there has been a large and energetic upswing in research efforts aimed at synthesizing fuzzy logic with neural networks. This combination of fuzzy logic and neural networks seems natural because two approaches generally attack the design of “intelligent” systems from quite different angles. Neural networks provide algorithms for learning, classification, and optimization whereas fuzzy logic deals with issues such as reasoning on a higher (semantic or linguistic) level. Consequently the two technologies complement each other. In this paper we propose two novel fuzzy‐neural network models for supervised learning. The first model consists of three layers, and the second model consists of four layers. In both models, the first two layers implement fuzzy membership functions and the remaining layers implement the inference engine. Both models use the gradient decent technique for learning. As an illustration, we have analyzed two Thematic mapper images using these models. Results are presented in the paper. 相似文献
11.
建立深基坑变形监测数据处理的BP神经网络模型,采用双曲正切S形函数进行输入和输出层传递,选择批处理梯度下降法训练前向网络,并采用附加动量法和学习速率自适应调整进行改进,运用Matlab建立BP神经网络模型。预测结果表明,改进的BP神经网络模型预测精度更高,提高了学习速度并增加了算法的可靠性。 相似文献
12.
13.
针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力。利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下（每类地物仅选取5个标记样本作为训练样本）取得优于传统半监督分类方法的分类精度。 相似文献
14.
15.
FANN-Based Surface Water Quality Evaluation Model and Its Application in the Shaoguan Area 总被引：1，自引：0，他引：1
YANG Meini LI Dingfang YANG Jinbo XlONG Wei 《地球空间信息科学学报》2007,10(4):303-310
A fuzzy neural network model is proposed to evaluate water quality. The model contains two parts: first, fuzzy mathematics theory is used to standardize the samples; second, the RBF neural network and ... 相似文献
16.
高程问题一直是困扰GPS的问题之一,而不同的GPS高程拟合方法都有其适用条件,并且精度不等。本文在对人工神经网络的基本原理、神经元模型、网络结构、数据结构和训练方式等研究的基础上,给出一种新的算法(新BP算法)。以“阜新控制网改造工程”作为一个具体实例,使用Matlab语言来完成GPS高程的拟合,并与其他方法作了比较,最后给出有益的结论。 相似文献
17.
神经网络辅助的GPS/INS组合导航自适应滤波算法 总被引：11，自引：2，他引：9
首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。 相似文献
18.
投影寻踪学习网络的遥感影像分类 总被引：2，自引：0，他引：2
采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。 相似文献
19.
图像相似度学习是指通过网络学习图像内容信息来预测两张图像是否匹配。迄今为止，基于卷积神经网络改进的变体网络有效提升了学习效率，但由于提取特征比较单一无法准确描述图像特征，导致相似度学习效率较低。为此，本文提出一种基于卷积神经网络结构的双分支网络。该网络为左右分支网络结构相同，但权值不共享，网络输入为双分支输入。首先由左右分支网络分别提取单通道图像特征；然后通过特征融合层进行特征融合；最后将融合特征直接输入全连接层进行相似度学习，既改善了提取的图像特征多样性，又加快了模型训练速度。在实验室工业相机拍摄的芯片卡槽图像数据集上进行对比试验，结果表明，相比其他模型，本文提出的模型具有较强的网络学习能力和模型泛化能力，准确率高达97.96%。 相似文献
20.
卷积神经网络(CNN)是深度学习(DL)中最具代表性的一种网络结构。合成孔径雷达(SAR)图像具有位置结构关系,CNN模型可以利用图像的位置结构关系,能够更好地提取图像特征,因此更适合采用CNN模型检测海洋目标。本文首先基于CNN框架构建了海上钻井平台检测的DL模型Ocean TDAx,并对模型进行训练和测试。试验结果表明,Ocean TDA9模型精度最高。然后针对Ocean TDA9模型,采用Adam、RMSprop、Stochastic gradient descent (SGD)、Adagrad、Momentum等7种模型训练算法进行试验,比较不同算法的训练损失和精度与训练批次的相关性。最后基于渤海海域的极化SAR数据,对提出的Ocean TDA9模型、已有的CNN模型及VGG模型进行海上钻井平台检测对比。结果表明,构建的Ocean TDA9模型在钻井平台检测中整体性能优良。 相似文献