-
公开(公告)号：CN109344737A
公开(公告)日：2019-02-15
申请号：CN201811061305.8
申请日：2018-09-12
申请人： 中国农业大学
摘要： 本发明属于土地利用分类领域，涉及基于SAR极化分解的一维DCNN土地利用分类方法，具体为：获取作业区范围内不同时期的R2SLC以及待分类土地利用样本数据，并获得更多土地利用标签，将样本标签数据转为栅格格式；作业区划分为不同的子区，在每一个子区计算相干矩阵的6个特征、极化熵值、极化平均角、极化反熵和旋转域零角特征，合并得到多极化多特征数据集；将每个子区的数据进行最大最小值归一化，并分成train数据集和val数据集；用深度学习框架设计1DCNN神经网络结构并训练、优化模型参数；以优化模型对未知的覆盖区影像进行逐像素识别，最终获得分类结果。本发明的方法减少了SAR图像的边缘卷积计算复杂度，节省了海量SAR土地利用分类处理时间。
-
公开(公告)号：CN109146111A
公开(公告)日：2019-01-04
申请号：CN201710502218.0
申请日：2017-06-27
申请人： 中国农业大学
摘要： 本发明的涉及粮食产量预测技术领域，具体公开了一种基于ARIMA‑LSSVM组合模型预测粮食产量的方法，利用ARIMA对单位面积粮食产量数据和单位面积施肥量数据作分析，找到数据中潜在的线性关系，通过LSSVM回归模型可找到单位面积粮食产量数据和单位面积施肥量数据中潜在的非线性关系，将粮食产量的时序预测与粮食产量与化肥施用量的回归拟合相结合进行分析，找到粮食产量随着时间变化趋势，反映出土壤质量状态，并且可发现单位面积粮食产量与单位面积化肥施用量之间的规律，有利于更科学的指导农业生产活动，保护生态系统。
-
公开(公告)号：CN109145870A
公开(公告)日：2019-01-04
申请号：CN201811060915.6
申请日：2018-09-12
申请人： 中国农业大学
CPC分类号： G06K9/0063 , G06K9/3241 , G06K9/6256 , G06K9/6262 , G06N3/0454
摘要： 本发明属于土地利用分类领域，涉及基于SAR极化分解和卷积神经网络的两阶段盐碱地监测方法，具体为：选作业区，获取遥感影像R2SLC及矢量的GPS点位数据，将点数据生成封闭的多边形；目视解译得到更多土地利用矢量多边形，并将矢量多边形栅格化；划分子区，在每一个子区计算10个特征，合并得到多极化多特征数据集；在每个子区进行感兴趣区ROI提取操作，得到每个像素的多极化多特征数据集；使用数据过拟合技术得到第一阶段均衡数据集；将75％的均衡后数据用于训练,25％用于验证；在第二阶段设计、优化CNN神经网络结构；以优化参数模型对未知影像进行逐像素识别，提取出盐碱地土地类型。本发明的方法对类型分布不平衡的待分类样本可以有效改善其分类精度。
-
公开(公告)号：CN109145870B
公开(公告)日：2021-06-25
申请号：CN201811060915.6
申请日：2018-09-12
申请人： 中国农业大学
摘要： 本发明属于土地利用分类领域，涉及基于SAR极化分解和卷积神经网络的两阶段盐碱地监测方法，具体为：选作业区，获取遥感影像R2SLC及矢量的GPS点位数据，将点数据生成封闭的多边形；目视解译得到更多土地利用矢量多边形，并将矢量多边形栅格化；划分子区，在每一个子区计算10个特征，合并得到多极化多特征数据集；在每个子区进行感兴趣区ROI提取操作，得到每个像素的多极化多特征数据集；使用数据过拟合技术得到第一阶段均衡数据集；将75％的均衡后数据用于训练,25％用于验证；在第二阶段设计、优化CNN神经网络结构；以优化参数模型对未知影像进行逐像素识别，提取出盐碱地土地类型。本发明的方法对类型分布不平衡的待分类样本可以有效改善其分类精度。
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)
