基于共性与特性信息融合的遥感场景图像分类

由于遥感场景图像类内差距大即同一类别图像的特性信息相差较大,仅仅依靠特性信息分类的准确率不高,而现有遥感场景图像分类方法忽视了同一类别所具有的相同的共性信息也可以辅助图像识别,对此本文提出一种基于共性与特性信息融合的遥感场景图像分类方法。首先,图像通过卷积网络较浅层与深层得到的简单特征图与复杂特征图相叠加,可认为是此图像注意力集中的特征图,提取此特征图的手工特征LBP作为共性信息。之后与卷积网络提取的特性信息融合并进行分类。本文使用经贝叶斯优化优化超参数的SVM分类器,使其性能达到最佳来消除分类器对实验的影响。在两个数据集UC Merced和AID上的实验,验证其分类精度分别达到了98.80%和96.06%,表明该方法能有效地提升遥感场景图像准确率。在国防,城市规划,地质勘查等领域有重要意义。     

基于多源遥感影像的青海云杉和祁连圆柏分类

青海云杉和祁连圆柏是祁连山自然保护区的优势种,提取两种类型树木的空间分布对保护区森林资源的管理和监测方面有重要意义。使用Sentinel-2A(S2)、Sentinel-1A(S1)、Landsat-8(L8)3种遥感影像及来自SRTM DEM的地形数据,基于随机森林分类方法,设置8种组合方案共22个特征变量,以祁连山东段的甘肃连城自然保护区为例,对青海云杉和祁连圆柏进行分类试验。结果表明：融合Sentinel-1A(S1)数据的VV和VH两种后向散射信息的精度最高,达到92.85％,比使用单一影像Landsat-8提高了11.64%。实验表明:结合多源遥感影像的不同波段信息是提高森林类型分类精度的有效手段,有助于复杂山区森林资源调查、植被信息提取等需求。     

栗木锡矿云英岩化花岗岩白云母^40Ar／^39Ar年龄及其地质意义

栗木锡矿的锡铌钽成矿作用与花岗岩有密切的关系,其中锡金属成矿作用与花岗岩云英岩化蚀变作用有关。通过对云英岩化花岗岩中白云母的^40Ar/^39Ar快中子活化年龄测试,获得白云母的坪年龄和等时线年龄分别为214．1±1．9Ma和214．3±4．5Ma。栗木矿田云英岩化蚀变的年龄为214Ma左右,即栗木锡矿成矿作用主要发生在214Ma左右的晚三叠世,栗木锡铌钽金属矿床是后碰撞的伸展体制下的产物。     

藏北红脊山地区变质玄武岩地球化学及其形成构造环境

藏北红脊山地区变质玄武岩按产状分为呈＂岩块＂产出和在变质碎屑岩中呈夹层产出两个部分,其全岩Sm-Nd等时线年龄为（401±18）Ma。变质玄武岩属于亚碱性拉斑玄武岩系列,主量元素Al2O3、TiO2低,K2O略高。呈＂岩块＂和呈夹层产出的变质玄武岩REE配分曲线呈LREE略亏损或平坦分布,HREE略显富集;大离子亲石元素（LILE）Rb、Ba、Th富集,高场强元素（HFSE）Ta、Zr、Ti、Y、Yb、Sc、Nb相对亏损,强相容元素Cr、Ni、Co亏损,微量元素MORB标准化曲线呈＂单隆起＂型曲线分布型式。岩石组合及地球化学特征反映该变质玄武岩形成于弧后盆地构造环境,可能是早泥盆世古特提斯弧后盆地扩张的产物。     

基于改进的遗传算法与人工神经网络的 类流感的预测

类流感(ILI)疾病是一种严重威胁公众健康的传染性呼吸道疾病,对其准确的实时预测可能有助于挽救生命.本文将入侵性杂草优化(IWO)的繁殖加入到遗传算法(GA)的选择算子,建立了一种基于IWO和GA的新颖的混合算法,记为IWOGA.运用IWOGA优化BP神经网络的权值和偏差并预测美国的未加权的%ILI.实验结果表明所提出的IWOGA-BPNN是一种适用于美国ILI预测的较好方法.     

Hamilton无爪图的一个充分条件

设G是一个n阶k≥2连通无爪图，本文证明了：如果对G中任意距离大于3的两点都有|N（u)∪N(v)|≥R-δ(G)-k，则G是Hamiitordan。     

前馈型神经网络在SARS疫情分析中的应用

前馈神经网络在非线性系统的建模及控制中有着广阔的应用前景,其中用差商近似代替导数的Powell法是一种高效、快速的学习方法本文采用三层前馈神经网络结构对SARS在中国的传播与流行趋势及控制策略建立了网络模型.并利用Powell学习方法,针对北京、山西的疫情进行了计算仿真.结果表明,该网络模型算法收敛速度较快,预测精度很高.     

一个改进的弹性网络算法求解TSP问题

通过对弹性神经网络进行分析．给出了求解TSP问题的一个改进的弹性州络算法．弹性网络是一个梯度下降的方法．由于弹性网络的能量函数有很多局部极小值，在实际的计算仿真中．经常会遇到网络陷入局部极小值而无法逃逸的情况。本文介绍一个改进的弹性网络学习算法．当弹性网络陷入局部极小值时，通过参数在能量函数梯度增加的方向改变参数值．从而帮助网络跳出局部极小值．求出全局最优解或更好的结果．通过对6个TSP问题进行模拟仿真，得出结论：对所有的问题．这个算法能够逃逸出弹性网络的局部极小值．求得最优解或更好的解．     

一个改进的弹性网络算法求解TSP问题

通过对弹性神经网络进行分析,给出了求解TSP问题的一个改进的弹性网络算法.弹性网络是一个梯度下降的方法,由于弹性网络的能量函数有很多局部极小值,在实际的计算仿真中,经常会遇到网络陷入局部极小值而无法逃逸的情况.本文介绍一个改进的弹性网络学习算法,当弹性网络陷入局部极小值时,通过参数在能量函数梯度增加的方向改变参数值,从而帮助网络跳出局部极小值,求出全局最优解或更好的结果.通过对6个TSP问题进行模拟仿真,得出结论:对所有的问题,这个算法能够逃逸出弹性网络的局部极小值,求得最优解或更好的解.     

时序InSAR技术在大型滑坡监测中的应用

综合PS-InSAR和SBAS-InSAR两种时序In SAR技术,对青海省乐都区高家湾滑坡地表变形过程进行遥感监测与分析。通过SBAS-InSAR技术获取该滑坡2003-2010年地表变形数据,分析历史变化情况。利用PS-time工具分析高家湾滑坡2014-2017年PS-InSAR获得的地表变形监测数据,将滑坡地表形变过程划分为线性和非线性,重点分析了地表形变速率、累积位移突变阶段和主裂缝形变情况。研究表明:2003-2010年期间该滑坡地表活动较为稳定,2014-2017年期间该滑坡发生了明显的地表沉降变形且变化趋势较为强烈,与滑坡区实地勘测结果情况一致,较好的证明时序InSAR技术用于滑坡监测的有效性。