基于多尺度自适应胶囊网络的高光谱遥感分类

胶囊网络(CapsNet)是一种新型的神经网络,已被广泛应用于高光谱遥感分类。针对胶囊网络所面临的过拟合和梯度消失等问题,提出一种基于多尺度自适应胶囊网络(MSCaps)的高光谱遥感分类方法。利用多尺度(不同尺寸的输入图像)的卷积层来提取地物的空间特征与光谱特征,并采用一种非迭代自适应路由算法进一步改进CapsNet的结构,避免了耦合系数c_ij的稀疏化引起的过拟合问题。利用PU和SA两个公共高光谱数据集从总体分类精度(OA)和模型训练效率两方面评价了MSCaps的分类性能。在分类精度上,利用MSCaps与支持向量机(SVM)、随机森林(RF)、深度卷积神经网络(CNN)、CapsNet、多尺度的胶囊网络(MCaps)、基于非迭代自适应路由算法的胶囊网络(ARWI-Caps)、多尺度的卷积神经网络(MSCNN)对原始影像的OA进行对比;还与SVM、RF对经主成分分析(PCA)特征提取后的影像的OA进行对比,其中两种分类方法分别简称为PCA-SVM与PCA-RF。在训练效率上,对MSCaps的训练时间和CNN、CapsNet、MSCNN的训练时间进行对比。实验结果表明...     

拒马河流域年季月径流量对土地利用变化的响应

为探究年、季、月多时间尺度径流量对土地利用变化的响应,以紫荆关水文站以上的拒马河流域为研究对象,构建拒马河流域WEP-L分布式水文模型,采用情景模拟分析方法设置9类土地利用变化情景定量分析土地利用变化对径流量的影响.结果表明:WEP-L模型在拒马河流域适用性较好;退耕还林将减少年径流量,并随着森林覆盖率的增加,径流量减...