检索结果-南通市图书馆

基于gbdt和Google Earth Engine的冬小麦种植结构提取

光谱学与光谱分析 2023年第2期43卷 597-607页

作者：张海洋张瑶田泽众吴江梅李民赞刘凯迪中国农业大学智慧农业系统集成研究教育部重点实验室北京100083

针对中国农田存在种植景观破碎化和复杂的种植结构这一现状,如何实现目标作物的高精度识别与制图对作物产量估算、粮食政策调整和国家粮食安全保障具有十分重要意义。基于Google Earth Engine(GEE)遥感数据处理云平台,提出一种冬小麦不... 详细信息

针对中国农田存在种植景观破碎化和复杂的种植结构这一现状,如何实现目标作物的高精度识别与制图对作物产量估算、粮食政策调整和国家粮食安全保障具有十分重要意义。基于Google Earth Engine(GEE)遥感数据处理云平台,提出一种冬小麦不同生育期的种植结构提取方法,该方法以2021年覆盖目标作物关键生育期的多时相Sentinel-2影像为数据源,综合考虑光谱波段特征、光谱指数特征、纹理特征和地形特征等多维特征变量,利用gbdt(gradient boosting decision tree)分类器对不同生育期田块尺度的冬小麦种植面积和空间分布信息进行快速精准提取,并探讨了冬小麦识别的最佳生育期。此外,对比分析了常见的不同分类模型在田块尺度条件下的作物识别性能。以河南陈固镇为研究区开展实验,实验结果显示,冬小麦在起身拔节期的地物识别准确率相对较高,总体分类准确率为94.61%,Kappa系数为92.68%;在抽穗扬花期的识别精度最高,总体分类准确率为97.01%,Kappa系数为95.52%;但在灌浆乳熟期的分类精度偏低,总体分类准确率为86.23%,Kappa系数为81.33%。研究结果表明,在冬小麦抽穗扬花期,gbdt分类器能对田块尺度条件下的土地覆盖信息进行有效提取,进而取得较好的地物分类识别效果。此外,本研究将gbdt与传统分类器如随机森林(random forest,RF)、CART(classification and regression tree)和朴素贝叶斯(Naive Bayesian,NB)进行相比。结果表明,gbdt分类器的地物识别效果最佳,总体分类准确率比RF分类器和CART分类器分别提高了1.20%和5.99%,Kappa系数比RF分类器和CART分类器分别提高了1.61%和8.04%,朴素贝叶斯分类器的识别效果最差,总体分类准确率和Kappa系数分别为84.43%和78.69%。研究结果可为田块尺度作物精细提取提供有效的技术支持。

关键词： Google Earth Engine gbdt分类器 Sentinel-2卫星传感器冬小麦种植结构提取

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

基于知识图谱的实体链接算法设计与实现

基于知识图谱的实体链接算法设计与实现

引用

作者：刘译键华中科技大学

学位级别：硕士

随着大数据和人工智能时代的到来,知识图谱技术得到充分的发展和利用。作为知识图谱技术的重要一环,目前实体链接任务已经备受学术界和工业界的研究者们关注。由于自然语言存在歧义,需要准确地抽取、识别用户表达的真实含义便是巨大挑战... 详细信息

随着大数据和人工智能时代的到来,知识图谱技术得到充分的发展和利用。作为知识图谱技术的重要一环,目前实体链接任务已经备受学术界和工业界的研究者们关注。由于自然语言存在歧义,需要准确地抽取、识别用户表达的真实含义便是巨大挑战,而实体链接技术则在这挑战上发挥了重要作用。基于对知识图谱和实体链接相关技术的调研,设计实用性的基于知识图谱的实体链接算法系统。在数据集选取上,挑选了北京大学中文百科知识图谱PKU-PIE作为知识图谱,选用2019年全国知识图谱与语义计算大会的任务6中文知识图谱问答数据集作为实验数据集,并选用Neo4j图数据库平台搭建知识图谱数据库。在系统设计上,引入流水线设计模式。系统主要模块包括文本预处理模块、实体提及抽取模块、属性词抽取模块和实体链接模块。其中,文本预处理模块,主要实现大写转小写、繁体转简体和标点符号过滤等操作;实体提及抽取模块,负责抽取预处理后句子的实体提及词语,包括单词查找树算法、基于条件随机场的双向长短记忆网络和冲突解决策略子模块;属性词抽取模块,主要针对输入字符串进行特定类型的属性词抽取,包括双引号和书名号内的词语、时间属性词、纯数字的属性词、数字+单位的属性词等;实体链接模块,根据实体提及抽取模块的输出,获得对应的Top N的候选实体,主要包括候选实体生成子模块、实体特征抽取子模块和实体排序子模块。本系统包括四大模块:文本预处理模块、实体提及抽取模块、属性词抽取模块和实体链接模块,主要涉及文本预处理、AC树查找算法、BiLSTM-CRF模型、实体特征工程、gbdt算法等核心技术。最终,实验结果表明,提出的实体链接算法系统在测试集上的Top5实体召回率可达到0.85,性能方面可保证600ms/句的速度,满足预期需求和实际应用场景。

关键词：实体链接知识图谱 BiLSTM-CRF模型知识嵌入 gbdt分类器

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

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

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：