相容关系下不协调集值目标信息系统知识约简

在不协调集值目标信息系统中定义了相容关系,并在基于相容关系的不协调集值目标信息系统中引入分配约简和近似约简的概念,讨论了二者之间的关系,并且得到了分配约简和近似约简的判定定理以及辨识矩阵,建立了不协调集值目标信息系统的分配和近似约简的具体方法,同时通过实例验证了该方法的有效性。     

基于组合差异图和卷积小波神经网络的SAR图像变化检测

合成孔径雷达(Synthetic aperture radar,SAR)图像变化检测可以看作是一个分类过程,像素被分类为变化类和不变类。但是,差异图的质量影响了现有方法的检测精度。为了提供高质量的差异图,提出一种基于组合差异图和卷积小波神经网络(Convolutional-Wavelet Neural Network,CWNN)结合的SAR图像变化检测方法。首先,使用对数比算子、均值比算子和差分算子产生差异图,并使用简单的组合方法得到最终的差异图。然后,在差异图上使用分层模糊C均值获得变化类和不变化类的训练样本。最后,使用训练好的CWNN对所有像素进行分类。该方法提高了差异图的质量,为网络提供高质量的训练样本。真实SAR图像数据集上的实验结果表明,该方法提高了变化检测精度。     

受限波尔兹曼机

受限波尔兹曼机(restricted Boltzmann machines,RBM)是一类具有两层结构、对称连接且无自反馈的随机神经网络模型,层间全连接,层内无连接.近年来,随着RBM的快速学习算法一对比散度的出现,机器学习界掀起了研究RBM理论及应用的热潮.实践表明,RBM是一种有效的特征提取方法,用于初始化前馈神经网络可明显提高泛化能力,堆叠多个RBM组成的深度信念网络能提取更抽象的特征.鉴于RBM的优点及其在深度学习中的广泛应用,本文对RBM的基本模型、学习算法、参数设置、评估方法、变形算法等进行了详细介绍,最后探讨了RBM在未来值得研究的方向.