公开(公告)号：CN117523308A

公开(公告)日：2024-02-06

申请号：CN202311596391.3

申请日：2023-11-28

申请人： 郑州大学

发明人： 梁静 ,  毕莹 ,  刘艮跃 ,  于明渊 ,  岳彩通

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/006

摘要： 本发明公开了一种基于随机森林的遥感场景分类进化深度学习方法，包括采用两级变长粒子群策略对种群进行初始化；采用粒子群算法进行更新种群；采用随机森林进行预测个体的分类精度；在训练时采用早期停止策略，使得训练评估更加高效；在进化期间，不断丰富种群，并更新随机森林模型；进化结束后，选择最好的个体在测试集上进行精确评估。本发明用两级粒子群策略表示每个架构的连接和参数，采用粒子架构变长策略，使种群更加丰富多样；采用随机森林这一代理模型，使网络具有了高性能、鲁棒性和便利性；在没有任何预训练和数据增强的情况下，相对于手工设计的网络，提高了在遥感场景分类的精度；相对于自动优化的网络，能够更快的找到最优的网络。

公开(公告)号：CN117456275A

公开(公告)日：2024-01-26

申请号：CN202311597056.5

申请日：2023-11-28

申请人： 郑州大学

发明人： 梁静 ,  毕莹 ,  刘艮跃 ,  于明渊 ,  岳彩通

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/006

摘要： 本发明公开了基于进化神经网络架构搜索算法的遥感场景分类方法，包括采用两级变长粒子群策略对种群进行初始化；引入交叉算子和种群历史最优个体进行交流产生优秀个体；引入变异算子使种群更加多样化；引入自适应策略使子代种群更加优秀；采用随机森林快速选择优秀个体；在训练时采用早期停止策略，使训练评估更加高效；进化结束后，选择最好的个体在测试集上精确评估。本发明采用两级粒子群策略表示每一个架构的连接和参数，采用粒子架构变长策略，使得种群更加丰富多样；提供了交叉算子、变异算子、自适应策略，使产生的后代更加优秀；在没有任何预训练和数据增强的情况下，相对于手工设计的网络，提高了在遥感场景分类的精度，且模型参数较小。