2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、進(jìn)入二十一世紀(jì),太空科技的飛速發(fā)展,給遙感圖像的廣泛應(yīng)用奠定了基礎(chǔ)。近年來,隨著我國城市化進(jìn)程明顯加快,人地關(guān)系日趨緊張,土地利用監(jiān)測的壓力越來越大。城市土地使用是一個地區(qū)內(nèi)自然環(huán)境與人文活動交互作用并于地表上展現(xiàn)的結(jié)果,在不同的社會文化背景、政治經(jīng)濟(jì)發(fā)展條件及自然環(huán)境下,會展現(xiàn)出各種不同的土地使用形式。傳統(tǒng)的人工實地統(tǒng)計需大量的人力物力,利用遙感影像來監(jiān)測土地利用動態(tài)變化和城市擴(kuò)展模擬與預(yù)測是一個遙感影像智能處理的發(fā)展趨勢。國內(nèi)外學(xué)者

2、在這些領(lǐng)域也做了大量的研究工作,為本文的研究提供了堅實的基礎(chǔ)。
   目前,在土地動態(tài)監(jiān)測、城市空間擴(kuò)展模擬等實際應(yīng)用中往往要涉及到遙感影像分類問題。隨著我國航天事業(yè)的快速發(fā)展,獲取航拍影像的方式越來越多,獲取的圖像精度也得到了顯著提高,其含有的數(shù)據(jù)量也越來越大。遙感圖像數(shù)據(jù)集也逐漸呈現(xiàn)的特點如下:數(shù)據(jù)量大、含混度高、地面樣本數(shù)據(jù)少、數(shù)據(jù)冗余度高、信噪較低等。因此,在遙感圖像分類研究中,借助機器學(xué)習(xí)方法從海量數(shù)據(jù)集中找到有用信息

3、是一個重要研究方向。流形學(xué)習(xí)作為機器學(xué)習(xí)中的一種,在發(fā)現(xiàn)復(fù)雜數(shù)據(jù)集的內(nèi)在結(jié)構(gòu)有很大優(yōu)勢,已有國內(nèi)外學(xué)者將流形學(xué)習(xí)法應(yīng)用于遙感影像分類。在城市空間擴(kuò)展模擬中,如何準(zhǔn)確地從遙感影像中提取出城市、河流、耕地等信息直接關(guān)系到最后的模擬效果。因此,本文不僅要提高遙感影像分類精度,而且要將從分類結(jié)果圖中提取出的部分?jǐn)?shù)據(jù)信息應(yīng)用到城市空間擴(kuò)展模擬。
   本文主要從以下兩方面進(jìn)行研究:首先是在基于半監(jiān)督流形學(xué)習(xí)的多光譜數(shù)據(jù)特征提取方法方面進(jìn)行

4、研究;其次將從分類結(jié)果中提出的信息應(yīng)用到城市擴(kuò)展模擬與預(yù)測研究。本文首先對目前的特征提取算法進(jìn)行總結(jié)分析,由于遙感圖像分類過程中有類別標(biāo)簽的樣本數(shù)較少、無類別標(biāo)簽樣本數(shù)較多,同時有類別標(biāo)簽樣本獲取代價又比較大的問題,這些嚴(yán)重影響到分類精度的提高。因此,本文在有效融合半監(jiān)督學(xué)習(xí)和流形學(xué)習(xí)方法的基礎(chǔ)上,提出一種基于半監(jiān)督流形學(xué)習(xí)的多光譜遙感數(shù)據(jù)土地利用分類算法--半監(jiān)督流形鑒別嵌入。該方法將先驗知識提供的標(biāo)注信息融入到半監(jiān)督流形學(xué)習(xí)中,對投

5、影后的多光譜數(shù)據(jù)進(jìn)行訓(xùn)練來發(fā)現(xiàn)數(shù)據(jù)內(nèi)部的變化規(guī)律。該算法首先通過標(biāo)注數(shù)據(jù)的類別信息構(gòu)造相似圖和相異圖來衡量數(shù)據(jù)點的相似性與相異性,根據(jù)相似圖和相異圖計算數(shù)據(jù)樣本的權(quán)重矩陣;其次融合所有訓(xùn)練數(shù)據(jù)(包括標(biāo)注數(shù)據(jù)和無標(biāo)注數(shù)據(jù))的分布情況構(gòu)造總體散布矩陣,從而更好地表示訓(xùn)練樣本的整體結(jié)構(gòu)信息;最后,在對目標(biāo)函數(shù)進(jìn)行優(yōu)化的基礎(chǔ)上,計算得到嵌入矩陣,尋求實現(xiàn)特征空間中保持不同類別數(shù)據(jù)的整體結(jié)構(gòu),使得不同的類盡可能的分開相同類盡可能的聚攏。本文提出的

6、算法通過有區(qū)別的對待標(biāo)注數(shù)據(jù)與無標(biāo)注數(shù)據(jù)信息很好地實現(xiàn)了半監(jiān)督學(xué)習(xí),并在合成數(shù)據(jù)集和多光譜實際數(shù)據(jù)集上進(jìn)行系統(tǒng)的實驗,實驗結(jié)果表明:提高了多光譜圖像分類精度;有效地節(jié)約了標(biāo)注訓(xùn)練樣本類別成本。
   從遙感影像分類結(jié)果中提取出城市區(qū)域、河流、道路等信息,并將這些信息應(yīng)用到城市擴(kuò)展模擬與預(yù)測。本文對城市模擬的數(shù)學(xué)模型進(jìn)行了總結(jié)分析,選取城市化速度較快和環(huán)境壓力突出的重慶市主城部分區(qū)域為研究對象,運用細(xì)胞自動機中的SLEUTH模型對

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論