数据异常情况下遥感影像时间序列分类算法

针对时序遥感图像数据异常时卷积神经网络对其分类性能较差的问题,提出了一种端到端的多模式与多单模架构相结合的网络结构。首先,通过多元时序模型和单变量时间序列模型对多维时间序列进行多尺度特征提取;然后,基于像素空间坐标信息,通过自动编码形式完成遥感图像的时空序列特征的构建;最后,通过全连接层和softmax函数实现分类。在数据异常（数据缺失和数据扭曲）的情况下,提出的算法和一维卷积神经网络（1D-CNN）、多通道深度神经网络（MCDNN）、时序卷积神经网络（TSCNN）和长短期记忆（LSTM）网络等通用时间序列遥感影像分类算法进行分析比较。实验结果表明,所提的利用端到端的多模式与多单模式架构融合的网络在数据异常的情况下分类精度最高,F1值达到了93.40%。     

一种基于可变步长量化调制的地理数据库水印方法

地理数据库是地理信息系统的基础,也是数据生产者的宝贵财富.因此,如何利用数字水印技术保护地理数据库的版权成为一个亟待解决的问题.提出一种高鲁棒的、保持形状的、支持盲检的地理数据库水印方法.利用面类地物的平均特征距离的最高h有效位作为鲁棒地物标识,并将所有地物划分到若干分组中,采用可变步长量化调制方法嵌入水印信息,并通过...     

形式概念演化生成算法

目前仍然缺乏使用遗传算法构造概念的研究。为此,首先把形式概念的构造问题转换为以形式背景的对象幂集和属性幂集组合空间为搜索空间,以伽罗瓦联系为约束条件的约束最优化问题;然后提出一个新颖的基于遗传演化的概念生成算法——遗传概念生成算法(Geacob)。该算法采用变长结构编码,不仅满足概念形式的表示和演化过程的需要,而且使该算法具有更好的扩展性和通用性。实验表明了该遗传算法求解形式概念的可行性和有效性。     

基于改进单点多盒检测器的麻醉复苏目标检测方法

麻醉复苏目标检测模型常被用于帮助医护人员检测麻醉病人的复苏。病人复苏时面部动作的目标较小且幅度不明显，而现有的单点多盒检测器（SSD）难以准确实时地检测病人的面部微动作特征。针对原有模型检测速度低、容易出现漏检的问题，提出一种基于改进SSD的麻醉复苏目标检测方法。首先，将原始SSD的主干网络VGG(Visual Geometry Group)16更换为轻量级的主干网络MobileNetV2，并把标准卷积替换成深度可分离卷积；同时，通过对病人照片的特征提取采用先升维再降维的计算方式减少计算量，从而提高模型的检测速度；其次，将SSD提取的不同尺度特征层中融入坐标注意力（CA）机制，并通过对通道和位置信息加权的方式提升特征图提取关键信息的能力，优化网络的定位分类表现；最后，闭眼数据集CEW(Closed Eyes in the Wild)、自然标记人脸数据集LFW(Labeled Faces in the Wild)和医院麻醉病患面部数据集HAPF(Hospital Anesthesia Patient Facial)这3个数据集上进行对比实验。实验结果表明，所提模型的平均精度均值（mAP）...