检索结果-南通市图书馆

计算机工程 2024年第1期50卷 30-38页

作者：乔艺萌荆一楠张寒冰复旦大学软件学院上海200441 复旦大学计算机科学技术学院上海200433

由于在大规模数据集上执行精确查询耗时较长,因此近似查询处理(AQP)技术常被用于在线分析处理,目的是以较短的交互延迟返回查询结果,并尽可能地降低查询误差。现有的学习型AQP方法与底层数据解耦,将I/O密集型计算转化为CPU密集型计算,... 详细信息

由于在大规模数据集上执行精确查询耗时较长,因此近似查询处理(AQP)技术常被用于在线分析处理,目的是以较短的交互延迟返回查询结果,并尽可能地降低查询误差。现有的学习型AQP方法与底层数据解耦,将I/O密集型计算转化为CPU密集型计算,但是由于计算资源的限制,该类方法通常基于随机的数据样本进行模型训练,此类训练数据会引起稀有群组缺失问题,导致模型预测准确性不高。针对上述问题,提出一种基于分层样本学习的混合型和积网络模型,并基于该模型设计一种AQP框架。分层样本能够有效避免稀有群组缺失现象,基于该样本训练的模型预测准确性大幅提升。此外,针对数据动态更新的情况,提出一种模型自适应更新策略,使得模型能够及时检测数据偏移现象并自适应地执行更新。实验结果表明,与基于抽样和基于机器学习的AQP方法相比,该模型在真实数据集和合成数据集上的平均相对误差分别约降低18.3%和2.2%,在数据动态更新的场景下,其准确性和查询时延均呈现出良好的稳定性。

关键词：近似查询处理和积网络分层抽样数据偏移自适应更新

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多共性特征联合的Landsat 8 OLI遥感影像光伏电站提取

引用

测绘通报 2018年第11期 46-52页

作者：王胜利张连蓬朱寿红吉莉柴琪沈扬张蕊江苏师范大学地理测绘与城乡规划学院江苏徐州221116 江苏省兰德土地工程技术有限公司江苏南京210019

遥感监督学习算法具有高度的样本依赖性,因遥感成像辐射偏差导致的数据不准确给监督分类带来较大的挑战,进而给资源监测与分析带来极大的应用困扰。本文针对在不同大气、辐射、光照和成像几何等条件下引起的不同时期和不同空间位置遥感... 详细信息

遥感监督学习算法具有高度的样本依赖性,因遥感成像辐射偏差导致的数据不准确给监督分类带来较大的挑战,进而给资源监测与分析带来极大的应用困扰。本文针对在不同大气、辐射、光照和成像几何等条件下引起的不同时期和不同空间位置遥感图像上同一类别的分布存在差异现象,提出了一种多共性特征联合的Landsat 8 OLI遥感影像光伏电站提取方法。在分析光伏电站光谱不确定性(数据偏移和波形变异)规律的基础上,尝试将变换后的光谱特征、波形、纹理和波段比值等稳定性强的特征相结合,以期利用多特征间的互补性优势提高算法的泛化性能。首先将遥感影像的RGB波段转换为HLS格式,根据亮度维L计算FT纹理特征,同时加入色度H、饱和度S作为光谱特征,然后将光谱角和波段比值等对像元亮度值变化不敏感的特征考虑在内,以一类支持向量机(OCSVM)作为分类器。试验结果表明,该方法不仅能够有效克服光谱的亮度值差异,且对结构复杂的光伏电站有较好的提取效果。

关键词：光谱不确定性泛化性能多共性特征光伏电站一类支持向量机数据偏移

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

机器学习方法在光伏电站遥感提取中的应用

机器学习方法在光伏电站遥感提取中的应用

引用

作者：王胜利江苏师范大学

学位级别：硕士

随着能源危机和环境污染问题日益加剧,在政府相关政策的推动下,我国涌现出大量的光伏电站。利用遥感技术快速、自动获取光伏电站及其动态变化信息对于政府管理部门具有重要的经济、社会和生态效益,如土地资源的合理使用、能源利用、实... 详细信息

随着能源危机和环境污染问题日益加剧,在政府相关政策的推动下,我国涌现出大量的光伏电站。利用遥感技术快速、自动获取光伏电站及其动态变化信息对于政府管理部门具有重要的经济、社会和生态效益,如土地资源的合理使用、能源利用、实现贫困人口预测和环境保护等。自动提取人工地物是遥感影像智能分析和模式识别领域重要的研究内容。但是,由于遥感成像过程和环境的复杂性,地物光谱普遍存在“同物异谱”、“异物同谱”等不确定性问题,给传统基于光谱统计分布特性进行地物提取的算法带来了严峻挑战,导致许多算法泛化性能不足;深度学习尽管在影像场景识别领域展现出巨大的应用潜力,但是现实中的小样本数据仍是其面临的主要困扰。基于此,论文从光谱匹配、多共性特征联合和场景识别的角度入手,利用支持向量机、卷积神经网络等机器学习算法进行光伏电站的提取研究,特别是针对大尺度、不同地理位置和不同成像时刻的遥感影像光谱亮度值差异(数据偏移)给电站提取带来的难题,进行了大量的试验分析并改进了相关算法。论文主要研究成果如下:(1)根据不同空间位置、不同时相影像上光伏电站的光谱曲线特征,利用指数阈值法进行提取试验;之后介绍了分类、聚类算法的优劣势,并提出了一些改进策略。通过分析地物提取和分类的差异,针对最佳指数(OIF)与一类支持向量机(OC-SVM)结合在提取地物时存在的不足,提出了一种改进的最佳指数(MOIF)用于影像波段特征的选择。试验表明:与传统算法相比,文章中改进算法的精度得到明显提高。(2)辅助结构和纹理特征进行电站识别,分析空间派生特征在中等分辨率遥感影像地物提取中的有效性。针对光谱角在提取地物时存在的一些问题,文章在充分挖掘更深层次特征的基础上,引入机器学习算法的优势,利用特征的互补性进行光伏电站提取试验;此外,对于数据偏移给时序和大尺度遥感影像处理带来的挑战,尝试利用多共性特征联合的思路对该问题进行探索。试验表明:与传统提取算法相比,改进算法在泛化性能、抗噪性等方面存在明显优势。(3)场景复杂、信息丰富的图像需要高层次特征进行高效表达以利于识别,近年来深度学习成为解决此问题的有力工具。但设计新的深度学习模型较为困难,且需要海量的样本进行训练,这在现实应用中往往是较难满足的。论文选取已有卷积神经网络(CNN)为分类器,以中等空间分辨率影像上电站场景识别为例,引入迁移学习解决小样本问题,研究了小样本条件下CNN识别复杂光伏电站场景的能力及影响因素。试验表明:迁移学习能够有效解决现实中的小样本问题,CNN对于背景掺杂、明暗变化、尺度变化、遮挡干扰、类间同质和类内异质的不同影像场景展示出强大的识别能力。

关键词：光谱不确定性泛化性能光伏电站光谱相似性测度小样本深度学习数据偏移

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：