山东科技大学测绘与空间信息学院,山东 青岛 266590
传统气溶胶反演方法通常先基于模型假设确定地表反射率,但反演结果会受到假设的影响;而深度学习方法基于数据驱动,能在气溶胶定量反演中得到更加准确、高效的结果,但模型训练需要充足的优质样本数据支持。为此,使用大气辐射传输模型构建模拟样本,支持深度学习方法实现气溶胶定量反演,旨在解决当前训练数据代表性不足、数据获取困难的问题。利用辐射传输模型模拟不同参数条件下传感器获得的辐射信息,考虑概率组合及筛选标准限制进行模拟数据构建,并使用深度置信网络(DBN)对模拟样本进行训练,获得气溶胶反演模型。将模型应用于Landsat-8数据,在中国北京地区开展气溶胶反演实验。最后使用AERONET地面站点的实测数据对反演结果进行精度验证。验证结果表明,模型估算的气溶胶与站点测量值吻合良好,相关系数为0.8989,均方根误差为0.1029,约74.05%的估算值在误差标准内。本文提供了一种基于辐射传输方程构建样本数据集的思路,可减少样本质量与数量导致的局限性,实现深度学习方法对气溶胶光学厚度的高精度反演。
气溶胶光学厚度 辐射传输方程 Landsat-8卫星 深度置信网络 光学学报
2023, 43(24): 2401006
1 东北石油大学 物理与电子工程学院,黑龙江 大庆 163318
2 东北石油大学 土木建筑工程学院,黑龙江 大庆 163318
为实现掺混汽油快速无损鉴别,提出一种利用t 分布邻域嵌入结合深度置信网络的鉴别方法,以解决机器学习中高维特征向量间的非线性关系。以92#、95#、98#及定比混合汽油为研究对象,采用多元散射校正算法对原始红外波段投射光谱测量数据进行预处理,利用t-SNE非线性方法进行光谱数据降维处理,分别采用深度置信网络和极限学习机建立汽油种类光谱鉴别模型并对比分析两种方法识别精度。研究表明:该文所选择方法构建的汽油鉴别模型性能更优,对汽油种类预测精准度高达92.5%,从而验证了该方法在汽油鉴别中的有效性。研究结果可为掺混成品油鉴别及溯源研究提供技术支持。
红外光谱 深度置信网络 掺混 鉴别 infrared spectrum deep belief networks blending identification
哈尔滨工业大学 航天学院, 黑龙江 哈尔滨 150006
滑翔导弹末段飞行时空复杂度高、不确定性强、约束多, 给弹道规划与制导算法带来了较大的建模和求解难度。针对这一问题, 同时增大末段机动范围并提高弹道规划效率, 本文提出一种利用连续型深度置信神经网络(Convolutional Deep Brief Networks, CDBN)预测机动能力、设计经由点状态实现末段多约束智能弹道规划的方法。过程中采用CDBN对机动能力进行在线预测, 快速判定经由点状态的可行性, 并且通过经由点状态智能设计, 实现前后段能量的优化分配, 扩大弹道机动包络; 通过设计三角函数型弹目视线角实现末段弹道摆动机动, 推导机动弹道最优末制导律对视线角进行跟踪, 并调节机动频率以满足速度约束。仿真结果表明, CDBN相对BP网络具有更高的机动能力预测精度; 本文所提智能弹道规划方法在满足末端速度约束的前提下, 可以实现弹道摆动机动并大幅增加飞行包络。弹道规划能够在0.5 s内完成, 满足工程应用的快速性要求。
滑翔导弹 机动能力预测 连续型深度置信网络 机动弹道规划 gliding missile maneuverability prediction continuous deep belief network maneuvering trajectory planning
1 河南大学环境与规划学院, 河南 开封 475004
2 南昌工程学院江西省水信息协同感知与智能处理重点实验室, 江西 南昌 330099
针对利用现有深度学习方法进行植被提取时出现的相邻地物处于同一窗口、分类结果出现一些无用破碎图斑和“椒盐现象”等问题,提出最优分割尺度与深度置信网络相结合的方法进行植被提取研究,并利用光谱-纹理特征等信息进行对比实验。实验结果表明,与现有的深度学习方法相比,本文方法分类结果的总体精度达到91.92%,Kappa系数为0.8677,能够有效提高实验的分类精度,而且分类结果显示本文方法能有效减轻“椒盐现象”,并能很好地表达影像上各类地物清晰的边界。
图像处理 图像分析 深度学习 深度置信网络 植被提取 无人机影像 激光与光电子学进展
2018, 55(2): 021001
1 天津大学电气自动化与信息工程学院, 天津 300072
2 天津大学海洋科学与技术学院, 天津 300072
针对传统人脸表情识别(FER)方法所提取的表情特征较为单一,同时对于表情分类器的选择存在局限性的问题,提出一种融合局部特征与深度置信网络(DBN)的FER方法。该方法首先从人脸表情图像中切割出眉毛眼睛部位与嘴巴部位这2种包含丰富表情信息的局部表情图像,对其分别提取包含纹理信息的Log-Gabor特征与包含形状信息的二阶梯度方向直方图特征,并将这2种特征相融合,获得更有效的表情特征,然后利用融合后的特征训练DBN模型,并用训练后的DBN模型进行表情识别。利用本文方法在三种表情库上进行实验,识别率可分别达到96.30%、97.39%以及95.73%,表明本文方法可有效提高人脸表情识别率。
图像处理 表情识别 特征融合 Log-Gabor特征 二阶梯度方向直方图特征 深度置信网络 激光与光电子学进展
2018, 55(1): 011002
1 三峡大学计算机与信息学院, 湖北 宜昌 443002
2 三峡大学理学院, 湖北 宜昌 443002
恒星的分类对了解恒星和星系形成与演化历史具有重要的研究价值。 面对大型巡天计划及由此产生的海量数据, 如何迅速准确地将天体自动分类显得尤为重要。 通过对SDSS DR9的恒星光谱数据进行深度置信神经网络(DBN)、 神经网络和支持向量机(SVM)等算法分类的对比, 分析三种自动光谱分类方法在恒星分类上的适用性。 首先利用上述三种方法对K, F恒星进行识别分类, 然后再分别对K1, K3和K5次型和F2, F5, F9次型识别, 最后基于SVM支持向量机的二次分类模型, 利用K次型的数据, 构建剔除不属于K次型的模型。 结果表明: 深度置信网络对K, F型恒星分类效果较好, 但是对K, F次型的分类效果不佳; SVM支持向量机在K, F型恒星分类以及相应的次型分类都具有较好的识别率, 对K, F型分类效果要好于K, F次型的分类效果; BP神经网络对K, F型恒星以及其次型的识别一般; 在剔除不属于K次型实验中, 剔除率高达100%, 可知SVM能够对未知的光谱数据进行筛选与分类。
深度置信网络 BP神经网络 SVM支持向量机 光谱自动 Depth belief networks BP neural network Support vector machine SVM spectra classification 光谱学与光谱分析
2016, 36(10): 3261
南京邮电大学宽带无线通信技术教育部工程研究中心,南京 210003
研究了深度分类网络在道路交通典型目标分类中的应用,使用原始灰度图、HOG特征直方图、Canny边缘图与本征特征等多种目标表征方法与深度置信网络(Deep Belief Networks,DBN)相结合构建深度分类网络实现对行人、骑车人、车辆和其他4种典型道路交通目标的分类功能。为了配合基于DBN的深度人车分类网络的训练,建立了称为NUPTERC的典型道路目标图像库,给出了建库的规则和方法,利用NUPTERC图像库构建实验对深度分类网络进行测试,并与其他典型人车分类方法进行了比较。证明深度分类网络在满足实时性的条件下,可以获得令人满意的分类正确率。最后,将基于DBN5Canny的人车分类算法应用于智能视频分析云平台,实现了对道路上的典型目标实时、精确的统计和分类功能。
目标分类 深度置信网络 特征提取 智能视频监控系统 target classification Deep Belief Networks (DBN) feature extraction intelligent video surveillance system