陈冠宇
- 作品数：4 被引量：45H指数：4
- 供职机构：中国地质大学计算机学院更多>>
- 发文基金：湖北省自然科学基金国家自然科学基金更多>>
- 相关领域：天文地球更多>>
- 基于卷积神经网络的不良地质体识别与分类被引量：16
- 2016年
- 西部大开发战略实施以来,西部地区,尤其是新疆等地,修建高速公路成为近年来的首要任务。但是,西部海拔较高,地理环境恶劣,像沙害、盐渍土、冻土和荒漠等特殊地质体广泛分布。以新疆尉犁县罗布人村寨为研究区域,针对当地典型的不良地质体遥感影像特征,重点探讨了深度学习算法中的卷积神经网络方法在不良地质体识别与分类中的应用,实验结果对比分析表明:与K-均值分类器、SVM分类器和贝叶斯分类器对比分类精度,当样本数量较少时卷积神经网络方法优势不明显,当训练样本足够大时,其分类精度达到90%左右,优势非常明显。
- 陈冠宇安凯李向
- 关键词：遥感影像不良地质体神经网络
- 基于支持向量机的遥感图像建筑物识别与分类方法研究被引量：21
- 2016年
- 高分辨率遥感影像可以更精细地描述地物目标的几何特征、空间特征和纹理特征等信息,在各个领域中都得到广泛的应用。建筑物作为地物信息分类中的主要部分,是地形图成图的主要组成元素,对建筑物的识别与提取,直接影响到地物测绘的自动化水平,对它的识别和定位可以为特征提取、特征匹配、图像理解、制图和作为其他目标的参照体有重要的意义。针对建筑物的遥感影像特征,研究了支持向量机分类器(SVM)在建筑物识别与分类中的应用,提出了一种交叉验证的方法对参数敏感度进行分析,通过使用GridSearch算法确定模型参数设置的最优方案,并对分类结果中建筑物进行轮廓提取。通过实验表明,优化后的SVM算法对建筑物的分类精度达到90%,对比随机森林算法、最近邻分类器优势非常明显。
- 张浩赵云胜陈冠宇张春苑
- 关键词：遥感影像建筑物支持向量机
- 基于大数据的遥感图像植被识别方法被引量：14
- 2016年
- 植被泛指地球表面的植物群落,包括草地、森林、沼泽等。遥感影像具有宏观性、客观性、精确性、实时性等特点,能够真实地反映地表覆盖物的状态,清晰地展现各种地表覆盖类型的特征及分布情况。传统的基于遥感影像的植被识别采用人工作业的方式,极大地依赖于人的先验知识,且效率极低。随着遥感应用技术的快速发展,很多自动化的植被检测技术被提出。这些方法在特定范围内得到了应用,但同时也存在着一些缺陷。在采用分块原则预处理较大影像数据的基础上提出了一种基于特征融合的SVM分类算法来探讨遥感影像中的植被识别。实验表明,提出的算法具有较好的识别效果和较高的执行速度。
- 陈冠宇李向王岭玲
- 关键词：遥感影像植被支持向量机大数据
- 基于遥感分类的深度信念网络模型研究被引量：4
- 2018年
- 使用Python和TensorFlow作为工具实现基本的深度信念网络,提出了一种改进的Dropout策略,该策略每次只选择部分局部区域数据进行权重的清零,既保持了图像本身的局部信息,又增强了该模型的泛化能力,并使用差分进化进行神经网络的权值和偏移值的优化。通过实验对比表明,改进后的Dropout策略对于防止过拟合有明显的效果,使用差分进化算法对深度信念网络进行参数调整比传统的浅层分类器效果更好。
- 李玮吴亮陈冠宇
- 关键词：遥感图像差分进化
