检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

测绘数据高精度分类系统设计

自动化技术与应用 2023年第5期42卷 140-143页

作者：李思杰项城市自然资源和规划局河南项城466200

为提升测绘数据分类精度,设计测绘数据高精度分类系统。首先利用采集卡集成测绘大数据,然后利用传输设备将数据传输到中央处理器中,在ARM核、DSP核和FPGA核并行计算下,结合KNN-NBayes多分类器,对测绘数据进行自动分类,最后将分类结果存... 详细信息

为提升测绘数据分类精度,设计测绘数据高精度分类系统。首先利用采集卡集成测绘大数据,然后利用传输设备将数据传输到中央处理器中,在ARM核、DSP核和FPGA核并行计算下,结合KNN-NBayes多分类器,对测绘数据进行自动分类,最后将分类结果存储到磁盘阵列中供用户读取和阅览。利用10个样本对系统功能和性能进行测试,系统分类功能精度高,Gmeans均在0.8以上;系统性能测试中,请求成功率达到100%,平均TPS在50以上,响应平均时间在500 ms以下,性能较好,能够满足日常运行要求,具有一定应用价值。

关键词：测绘数据高精度分类 KNN-NBayes多分类器

维普期刊数据库

基于卫星图像古民居指纹识别的C4.5改良分类算法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2013年第17期21卷 4987-4993页

作者：王雪飞沈来信黄山学院现代教育技术中心黄山学院信息工程学院黄山245011

通过卫星图像识别地面小尺度低分辨率民居屋顶截面目标,使用C4.5算法依据古民居不同年代的图像数据指纹对古民居进行分类。古民居屋顶(下称古民居)卫星图像处理形成灰度图,应用直方图与SUSAN算法精确分离出民居单元,与已知古民居位置形... 详细信息

通过卫星图像识别地面小尺度低分辨率民居屋顶截面目标,使用C4.5算法依据古民居不同年代的图像数据指纹对古民居进行分类。古民居屋顶(下称古民居)卫星图像处理形成灰度图,应用直方图与SUSAN算法精确分离出民居单元,与已知古民居位置形成不同年代"古民居图像指纹数据(组)",在冗余避免的改良C4.5分类算法中完成对民居分类与统计,实验结果 Kappa系数约为0.9107,统计结果与实际人工验证统计相符合。

关键词： C4 5算法超分辨率高精度分类卫星图古民居特征指纹

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

舰船网络安全信息的智能分类研究

舰船科学技术 2021年第16期43卷 133-135页

作者：赵学民郑州航空工业管理学院智能工程学院

舰船网络一旦被非法者侵入,就会造成舰船机密信息被窃取和泄露的风险,因此及时发现入侵者行为,对于及时规避舰船网络入侵风险具有重要的现实意义。为此,结合深度学习算法进行舰船网络安全信息高精度分类方法的研究十分必要。该研究首先... 详细信息

舰船网络一旦被非法者侵入,就会造成舰船机密信息被窃取和泄露的风险,因此及时发现入侵者行为,对于及时规避舰船网络入侵风险具有重要的现实意义。为此,结合深度学习算法进行舰船网络安全信息高精度分类方法的研究十分必要。该研究首先采集舰船网络安全信息数据并进行归一化处理,然后利用深度学习中的深度置信网络模型,提取舰船网络安全信息特征,最后利用随机森林分类器进行舰船网络安全信息类型分类。结果表明:与其他分类方法相比,研究方法应用下,检测率、准确度均更高,而虚警率则较低,达到了高精度舰船网络安全信息分类的要求。

关键词：深度学习深度置信网络模型舰船网络安全信息高精度分类

基于深度学习的光学影像与激光点云配准的研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的光学影像与激光点云配准的研究

作者：窦新铜北京建筑大学

学位级别：硕士

近年来,随着三维传感技术的快速发展,点云数据被应用在越来越多的领域中,如高精度地图制作、场景理解、城市三维重建等。三维点云可以直接表现被测物体的三维信息,在空间中离散分布;而二维影像具有丰富的纹理信息,特征之间保持连续,恰... 详细信息

近年来,随着三维传感技术的快速发展,点云数据被应用在越来越多的领域中,如高精度地图制作、场景理解、城市三维重建等。三维点云可以直接表现被测物体的三维信息,在空间中离散分布;而二维影像具有丰富的纹理信息,特征之间保持连续,恰好可以弥补点云的不足。将二维影像与三维点云的特征进行融合便能实现两种数据的优势互补,而特征融合的前提需要知道影像像素与点云中点的对应关系,即需要进行影像与点云的精确配准,所以二维影像与三维点云的配准成为当下的研究热点。三维点云与二维影像的数据和特征结构有较大区别,所以二者的配准较难实现。现有配准方法通常将影像与点云转换至同一维度下进行间接配准,但数据转换过程中会造成部分特征的丢失,降低配准精度;或者利用光学传感器和三维激光扫描仪的相对空间姿态与时间戳特征直接进行影像与点云的配准,但该类方法比较依赖传感器姿态参数,对非同时获取且未知传感器姿态的情况无法有效配准。针对上述问题,本文致力于二维影像与三维点云配准的研究,利用深度学习的方法对二维影像与三维点云的特征进行提取与粗匹配,并结合影像与点云的语义类别对同名特征点对进行精细匹配。主要工作内容如下所示:（1）研究出一种影像特征像素与点云特征点的特征提取算法。首先利用SIFT算子和ISS算子提取影像和点云的特征像素与特征点,并将其定为待配准点;然后通过设置阈值为特征像素与特征点构建区域组解决单一像素或点特征较少的问题,最后利用卷积神经网络对构建的区域组进行特征提取,并将提取得到的特征认定为对应二维特征像素或者三维特征点的新特征。（2）设计出一种不同维度特征之间的同名特征匹配方法。将同名特征点对中影像与点云的类别概率矩阵应该相似的先验知识作为新的约束对三元组损失函数进行改进,设计出引入语义信息约束的融合语义信息的三元组损失函数。对点云特征点和影像特征像素的特征与类别概率矩阵进行相似度对比,以融合语义信息的三元组损失函数为评定指标,选出相似度最高的像素与点作为影像与点云的配准基元。（3）研究出一种对同名特征利用高精度语义类别的精匹配策略。利用同名特征点的语义类别信息相同的先验知识为依据,对配准基元进行类别判定,筛除掉语义信息不同的配准基元。利用点云或影像的整体语义信息与单个点或单个像素语义相同的特点设计出识别结果筛选投票机制,搭建出点云高精度分类网络IRS-Point Net++和抵抗外界干扰能力较强的影像高精度分类网络Vgg-Vote。在公开数据集上进行分类实验,IRS-Point Net++的精度可达97.28%,即使点云十分稀疏或存在局部缺失精度仍保持较高水平;Vgg-Vote的精度可达95.15%,即使噪音量增加至50%,精度仍然可以达到83.82%,实现了影像与点云的高精度类别判断。

关键词：影像与点云配准卷积神经网络三元组损失高精度分类种类甄别