公开(公告)号：CN114169603A

公开(公告)日：2022-03-11

申请号：CN202111471312.7

申请日：2021-12-04

申请人： 湖北第二师范学院

发明人： 陈宇 ,  杨莉 ,  何美章 ,  刘利敏 ,  李剑

IPC分类号： G06Q10/04 ,  G06Q50/20 ,  G06K9/62

摘要： 一种基于XGBoost的区域小学入学学位预测方法，包括如下步骤：S1、对区域内的历年入学规模人数、人口出生率、年末常驻人口数、居民消费水平指数构成多元时间序列并进行预处理；S2、利用XGBoost提取多元时间序列中，人口出生率、年末常驻人口数、居民消费水平指数和历年入学规模人数的时序特征预测下一年区域小学入学学位。本发明还提供一种基于XGBoost的区域小学入学学位预测系统。

公开(公告)号：CN116681927A

公开(公告)日：2023-09-01

申请号：CN202310560877.5

申请日：2023-05-16

申请人： 湖北第二师范学院

发明人： 段艳 ,  白少杰 ,  刘利敏

IPC分类号： G06V10/764 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06N20/10

摘要： 本发明公开了一种结合深度学习模型和传统分类器的用于PolSAR数据的分类方法及系统，其中的方法采用随机分层抽样方法选择训练样本，然后利用训练样本训练CNN，进而将整个PolSAR数据分为一般像素和重点像素，接着利用AdaBoost算法把SVM分类器、wishart分类器和决策树分类器组成一个强分类器对重点像素再次分类。最后，把重要像素的类别和一般像素的类别组合为最终的结果。一方面融合了多个传统分类器，另一方面将深度学习模型与融合后的传统分类器相结合对重点像素进行再次分类，可以大大提高分类的精度。

公开(公告)号：CN115861813A

公开(公告)日：2023-03-28

申请号：CN202211565863.4

申请日：2022-12-07

申请人： 湖北第二师范学院

发明人： 段艳 ,  白少杰 ,  刘利敏 ,  何美章

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

摘要： 本发明公开了一种基于小样本和深度学习模型的Sentinel‑2数据集生成方法及装置，其中的方法首先，支持向量机分类器通过手工选择小样本生成高精度的分类结果。然后按照分类结果的类别将Sentinel‑2影像划分为多个图像块。然后，利用可以提取样本深度特征的DenseNet模型获取每个图像块的深度特征。最后，根据这些特征确定每个图像块的置信度，保留置信度高的图像块生成数据集。实验结果表明，经过多次迭代，在错误率合理的情况下，可以剔除数据集中错误标记的图像块，每类地物中的图像块数量可以达到稳定状态。对比实验还发现，该方法没有删除误标记图像块，且全连接层层数越大、层数越深的深度学习模型性能越好。