检索结果-南通市图书馆

基于TA-UNet3+的高分辨率遥感图像地表水体提取

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：白倩罗小波母仕林重庆邮电大学计算机科学与技术学院重庆邮电大学空间大数据智能技术重庆市工程研究中心

遥感图像中准确提取地表水体信息对于水资源管理、环境监测等领域至关重要。然而，由于地表覆盖的多样性、水体与周围环境的交汇、植被的复杂遮挡等因素，使得这项任务仍然面临着一系列挑战。为了提高地表水体提取精度，本文基于U-Net3... 详细信息

遥感图像中准确提取地表水体信息对于水资源管理、环境监测等领域至关重要。然而，由于地表覆盖的多样性、水体与周围环境的交汇、植被的复杂遮挡等因素，使得这项任务仍然面临着一系列挑战。为了提高地表水体提取精度，本文基于U-Net3+网络进行优化，提出了一种适用于高分辨率遥感图像的TA-UNet3+网络模型。首先在编码器端由深度特征到浅层逐层引入窗口注意力嵌入模块，将来自更深层特征的局部注意力逐步嵌入到较低级特征中，提高特征图的语义理解能力。其次引入了结合阈值注意力和深度可分离的TA-ASPP模块，有效提高了特征信息的提取效率。最后在解码器端修改了多尺度融合模块，采用可学习的密集上采样卷积和深度分离卷积替代原始的双线性插值与普通卷积，在保证精度的同时显著降低了计算复杂度。数据集选择了重庆市不同场景下的部分地区，实验结果表明，TA-UNet3+网络模型在精度、召回率、F1和IoU等评价指标上均优于语义分割网络，表现出更高的地表水体提取精度。

关键词：地表水体提取遥感图像 TA-UNet3+ 阈值注意力密集上采样卷积 TA-ASPP模块窗口注意力

DeepLabV3_DHC:城市无人机遥感图像语义分割

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第4期61卷 384-393页

作者：孙国文罗小波张坤强重庆邮电大学计算机科学与技术学院重庆空间大数据智能技术工程研究中心重庆400065 昆明理工大学信息工程与自动化学院云南昆明650500

高分辨率无人机遥感图像具有极为丰富的语义和地物特征,在语义分割中容易出现目标分割不全、边缘信息缺失、分割精度不足等问题。为了解决上述问题,基于DeepLabV3_plus模型提出改进的DeepLabV3_DHC。首先,利用多种主干网络进行下采样,... 详细信息

高分辨率无人机遥感图像具有极为丰富的语义和地物特征,在语义分割中容易出现目标分割不全、边缘信息缺失、分割精度不足等问题。为了解决上述问题,基于DeepLabV3_plus模型提出改进的DeepLabV3_DHC。首先,利用多种主干网络进行下采样,采集图像的低级特征和高级特征。其次,将原模型的atrous spatial pyramid pooling(ASPP)全部替换成深度可分离混合空洞卷积,同时添加自适应系数,减弱网格效应。之后,抛弃传统上采样的双线性插值法,替换为可学习的密集上采样卷积。最后,在低级特征中串联注意机制。选用多种主干网络进行实验,数据集选用四川省隆昌市地区的部分图像,采用平均交并比和类别平均像素准确率作为评价指标。实验结果表明:所提方法不仅具有较高的分割精度,而且减少了计算量和参数量。

关键词：城市无人机遥感图像语义分割深度可分离混合空洞卷积密集上采样注意力机制网格效应

在线全文

学校读者我要写书评

暂无评论

结合聚类边界采样的主动学习

智能系统学报 2024年第2期19卷 482-492页

作者：胡峰李路正代劲刘群重庆邮电大学计算机科学与技术学院重庆400065

主动学习是一种机器学习方法,需要选择最有价值的样本进行标注。目前,主动学习在应用时面临着一些挑战,其依赖分类器的先验假设,这容易导致分类器性能意外下降,同时需要一定规模的样本作为启动条件。聚类可以降低问题规模,是主动学习的... 详细信息

主动学习是一种机器学习方法,需要选择最有价值的样本进行标注。目前,主动学习在应用时面临着一些挑战,其依赖分类器的先验假设,这容易导致分类器性能意外下降,同时需要一定规模的样本作为启动条件。聚类可以降低问题规模,是主动学习的一种有效手段。为此,结合密度聚类边界采样,开展主动学习方法的研究。针对容易产生分类错误的聚类边界区域,通过计算样本密度,提出一种密度峰值聚类边界点采样方法;在此基础上,给出密度熵的定义,并利用密度熵对聚类边界区域进行启发式搜索,提出一种基于聚类边界采样的主动学习方法。试验结果表明,与文献中的5种主动学习算法相比,该算法能够以更少标记量获得同等甚至更高的分类性能,是一种有效的主动学习算法;在标记不足,无标签样本总量20%的情况下,算法在Accuracy、F-score等指标上取得较好的结果。

关键词：主动学习机器学习聚类边界密度峰值聚类几何采样信息熵版本空间主动聚类

结合双曲图注意力网络与标签信息的短文本分类方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第9期60卷 188-195页

作者：宋建平王毅孙开伟刘期烈重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

针对现有方法在文本分类任务中没有综合考虑文本的层级结构和标签对于文本特征学习的重要性而导致的鲁棒性不足、表达能力不足等问题,提出了一种基于双曲图注意力网络的短文本分类算法L-HGAT。利用文本的复杂层级结构与双曲空间的树相... 详细信息

针对现有方法在文本分类任务中没有综合考虑文本的层级结构和标签对于文本特征学习的重要性而导致的鲁棒性不足、表达能力不足等问题,提出了一种基于双曲图注意力网络的短文本分类算法L-HGAT。利用文本的复杂层级结构与双曲空间的树相似性特征的契合性,将文本嵌入到具有负常数曲率的双曲空间中,充分利用双曲流行表征的强大表达能力。设计双曲图注意力网络,融合节点特征与边特征,增强对文本中关键局部信息的聚合能力。使用基于双曲空间中的测地线距离的标签文本交互函数进一步引导文本特征学习,以此提升文本分类精度。实验结果表明,与基准模型相比,所提方法在基准数据集上显著优于现有研究方法,能够有效地提升模型性能,更好地完成文本分类任务。

关键词：文本分类图神经网络双曲空间深度学习表示学习

在线全文

学校读者我要写书评

暂无评论

采用多任务特征融合的脑电情绪识别方法

智能系统学报 2024年第3期19卷 610-618页

作者：刘柯黄玉柱邓欣于洪重庆邮电大学计算机科学与技术学院重庆400065

特征选择与融合是提升脑电信号情绪解码精度的重要手段之一。然而,当前脑电情绪解码中的特征选择方法常忽略了脑电信号内在数据结构的隐含信息。该文提出一种基于近邻传播聚类的多任务特征融合方法,通过L_(2,1)范数约束实现稀疏特征选择... 详细信息

特征选择与融合是提升脑电信号情绪解码精度的重要手段之一。然而,当前脑电情绪解码中的特征选择方法常忽略了脑电信号内在数据结构的隐含信息。该文提出一种基于近邻传播聚类的多任务特征融合方法,通过L_(2,1)范数约束实现稀疏特征选择,同时利用图拉普拉斯正则化保持不同子类间的潜在关系。该算法在不揭示真实样本标签的情况下,在子任务空间有效融合脑网络空间拓扑结构信息和微分熵信息,为高精度脑电信号情绪解码提供具有更高情绪表征能力的特征。DEAP和SEED数据集以及本实验室数据集的分析结果表明,该文提出的方法能显著提高脑电情绪解码的精度。

关键词：情感脑机接口脑电情绪识别脑网络微分熵近邻传播聚类图拉普拉斯正则多任务特征融合稀疏特征选择

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

特定类的代价敏感近似属性约简

智能系统学报 2024年

作者：胡军黄小涵重庆邮电大学计算智能重庆市重点实验室重庆邮电大学计算机科学与技术学院

特定类属性约简指针对特定决策类提供对应约简集的属性约简。现有特定类属性约简方法过于严苛，这限制了其在一些场景下的应用。针对存在噪声的数据，提出一种特定类的代价敏感近似属性约简方法。该方法首先结合正域与边界域信息定义特... 详细信息

特定类属性约简指针对特定决策类提供对应约简集的属性约简。现有特定类属性约简方法过于严苛，这限制了其在一些场景下的应用。针对存在噪声的数据，提出一种特定类的代价敏感近似属性约简方法。该方法首先结合正域与边界域信息定义特定类的相对不确定度，然后利用相对不确定度与测试代价计算属性重要度，进而根据属性重要度选择属性，并通过放松相对不确定度来避免冗余属性的加入，最后给出了特定类的代价敏感近似启发式属性约简算法。试验结果表明，所提方法与同类方法相比能够在保持甚至提升约简质量的同时获得更精简的约简集，并且约简集的测试代价相对更小。

关键词：粗糙集不确定信息特定类相对不确定度属性重要度测试代价敏感近似属性约简启发式算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

节点链路同时映射的多类型服务资源编排算法

通信学报 2024年第4期45卷 54-64页

作者：冯川张旭马天纯郭磊重庆邮电大学大数据智能计算重点实验室重庆400065 重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学智能通信与网络安全研究院重庆400065

为了解决虚拟网络请求阻塞率较高和底层物理网络资源利用率较低的问题,提出一种基于节点链路同时映射的多类型服务资源编排的算法。在映射首节点时,考虑物理网络节点属性;在映射节点链路元组时,综合考虑物理网络节点属性和链路属性;在... 详细信息

为了解决虚拟网络请求阻塞率较高和底层物理网络资源利用率较低的问题,提出一种基于节点链路同时映射的多类型服务资源编排的算法。在映射首节点时,考虑物理网络节点属性;在映射节点链路元组时,综合考虑物理网络节点属性和链路属性;在映射链路时,考虑网络链路属性,从而在包含多类型服务资源的底层物理网络中找到虚拟网络请求的映射策略。仿真结果显示,所提算法可以降低虚拟网络请求的阻塞率,提高物理网络多种类型资源的利用效率。

关键词：软件定义网络网络功能虚拟化虚拟网络映射多类型资源编排

基于时空图注意力卷积神经网络的车辆轨迹预测

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：袁静夏英重庆邮电大学计算机科学与技术学院

车辆轨迹预测是交通管理、智能汽车和自动驾驶等领域的一项关键技术，准确预测车辆轨迹有利于汽车安全行驶。城市交通场景中，车辆轨迹数据的时空特征复杂多变，为充分获取数据中的动态时空相关性，提高轨迹预测精度，同时降低模型复杂... 详细信息

车辆轨迹预测是交通管理、智能汽车和自动驾驶等领域的一项关键技术，准确预测车辆轨迹有利于汽车安全行驶。城市交通场景中，车辆轨迹数据的时空特征复杂多变，为充分获取数据中的动态时空相关性，提高轨迹预测精度，同时降低模型复杂度，本文提出了时空图注意力卷积神经网络模型（Spatial-Temporal Graph Attention Convolutional Network，STGACN）。该模型通过轨迹信息嵌入模块对车辆历史轨迹数据进行时空图转换，然后通过时空卷积块及其堆叠，完成轨迹数据的时序特征和空间特征提取与融合，最终由门控递归单元完成编码与解码工作得到预测轨迹。模型采用由膨胀因果卷积和门控单元组成的门控卷积网络提取时序特征，避免了循环神经网络带来的冗余迭代，使得模型参数更少，轨迹预测推理速度更快，时空卷积块组的时空特征融合工作使模型关注到更丰富的场景特征，提高了预测精度。模型在真实轨迹数据集Argoverse和NGSIM上进行实验，结果表明本文提出的STGACN模型与对比的基线模型相比，具有更高的预测精度和效率。

关键词：车辆轨迹预测时空相关性时空图图卷积网络注意力机制

融合Transformer和卷积LSTM的轨迹分类网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

重庆邮电大学学报（自然科学版） 2024年第1期36卷 29-38页

作者：夏英陈航重庆邮电大学计算机科学与技术学院重庆400065

为了减少原始轨迹数据的噪声,充分提取轨迹的时空特征,提高基于轨迹数据的交通模式分类精度,提出一种融合堆叠降噪自编码器、Transformer和卷积长短期记忆网络的轨迹分类网络(networks fusing stacked denoising auto-encoder, Transfor... 详细信息

为了减少原始轨迹数据的噪声,充分提取轨迹的时空特征,提高基于轨迹数据的交通模式分类精度,提出一种融合堆叠降噪自编码器、Transformer和卷积长短期记忆网络的轨迹分类网络(networks fusing stacked denoising auto-encoder, Transformer and ConvLSTM,SDAETC)。通过堆叠降噪自编码器减少原始轨迹数据中的噪声;利用结合了Transformer的递归图自编码器,提取到更为丰富的时间特征,同时利用特征图自编码器提取空间特征;改进卷积长短期记忆网络,充分提取轨迹中的时空特征,并与提取到的时间特征和空间特征相融合,从而实现交通模式分类。实验结果表明,提出的SDAETC与基线模型相比,在GeoLife和SHL数据集上的准确率分别提升了1.8%和2%。此外,消融实验结果和模型训练时间分析表明,引入堆叠降噪自编码器、Transfomer和ConvLSTM虽然增加了时间消耗,但是对分类精度有积极贡献。

关键词：轨迹数据交通方式分类时空特征堆叠降噪自编码器 Transformer 卷积长短期记忆网络

维普期刊数据库博看期刊