期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到54篇文章
< 1 2 3 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
MTSCFNet:a novel framework for improving tree species classification in a subtropical forest using RGB,LiDAR-derived,and GF-2 data 认领 引用
1
作者 Linlong Wang Huaiqing Zhang +5 位作者 Rurao Fu Kexin Lei Yang Liu Tingdong Yang Jing Zhang Xiaoning Ge 《Journal of Forestry Research》 SCIE EI CAS CSCD 2026年第3期135-158,共24页
Accurate individual tree species classification is essential for forest inventory,management,and conservation.However,existing methods relying primarily on single-source remote sensing data(e.g.,spectral,LiDAR,or RGB)... Accurate individual tree species classification is essential for forest inventory,management,and conservation.However,existing methods relying primarily on single-source remote sensing data(e.g.,spectral,LiDAR,or RGB)often suffer from insufficient feature representation and noise interference,particularly in subtropical forests with high species diversity,leading to increased classification errors.To address these challenges,we proposed the Multi-source Tree Species Classification Fusion Network(MTSCFNet),a novel deep learning framework that integrates RGB imagery,LiDAR-derived feature maps,and GF-2 satellite data through a modified UNet backbone,which incorporates a three-branch encoder and a Triple Branch Feature Fusion(TBFF)module within a middle fusion strategy.We evaluated the MTSCFNet in Chinese-fir mixed forests located in the Shanxia Forest Farm,Jiangxi Province,China.The results showed that:(1)MTSCFNet outperformed four baseline models,achieving Macro F1(0.78±0.01),Micro F1(0.93±0.01),Weighted F1(0.93±0.01),a Matthews correlation coefficient(MCC)(0.89±0.01),Cohen’sĸ(0.89±0.01),and mIoU(0.69±0.01),with respective improvements of 4.05%in Macro F1,1.89%in Micro F1,0.09%in Weighted F1,1.67%in MCC,1.64%in Cohen’sĸ,and 5.92%in Mean IoU over the second best model,SwinUNet;(2)Compared to the best two-source combinations(R+S,R+L),MTSCFNet achieved up to 1.50%,3.28%,3.42%,6.72%,6.76%,and 3.51%higher Macro F1,Micro F1,Weighted F1,MCC,Cohen’sĸ,and mIoU,and up to 8.11%,2.63%,2.88%,5.01%,4.99%,and 11.48%improvements over single-source inputs,while also exhibiting the lowest variability,indicating strong robustness;(3)Under different fusion strategies,MTSCFNet with middle fusion surpassed early and late fusion by up to 15.31%,3.74%,3.99%,7.66%,7.76%,22.33%and 24.13%,5.76%,6.20%,11.48%,11.57%,32.96%in Macro F1,Micro F1,Weighted F1,MCC,Cohen’sĸ,and mIoU,respectively,validating the effectiveness of feature-level multi-modal integration;(4)In cross-region transfer experiments,MTSCFNet demonstrated strong spatial generalizability,achieving average scores of 0.78(Macro F1),0.87(Micro F1),0.86(Weighted F1),0.59(MCC),0.59(Cohen’sĸ),and 0.68(mIoU),and outperformed SwinUNet by up to 38.80%,9.40%,18.58%,22.48%,26.17%,and 33.00%in Macro F1,Micro F1,Weighted F1,MCC,Cohen’sĸ,and mIoU across varying forest densities.Overall,MTSCFNet offers a robust,accurate,and transferable solution for tree species classification in complex subtropical forest environments. 展开更多
关键词 Tree species classification Deep learning Multi-source remote sensing data Subtropical forest
暂未订购 下载PDF
面向ICS的CGAN-DEEPFOREST入侵检测 认领 引用 被引量：6
2
作者 郑灿伟 李世明 +3 位作者 王禹贺 杜军 倪蕴涛 赵艳 《小型微型计算机系统》 CSCD 北大核心 2023年第4期868-874,共7页
随着工业化与信息化的深度融合,工业控制系统(ICS)的安全问题广受关注,ICS领域出现了许多入侵检测模型.但是,现存模型存在局限性,无法同时解决数据不平衡、分类时间长、小样本检测率低和准确率低的问题.因此,本文提出CGAN-DeepForest入... 随着工业化与信息化的深度融合,工业控制系统(ICS)的安全问题广受关注,ICS领域出现了许多入侵检测模型.但是,现存模型存在局限性,无法同时解决数据不平衡、分类时间长、小样本检测率低和准确率低的问题.因此,本文提出CGAN-DeepForest入侵检测模型解决上述问题.首先,采用改进的条件生成对抗网络(CGAN)定向扩充数据来改善数据的不平衡性.其次,采用随机森林对平衡后的数据集进行特征提取,降低分类模型训练时间和分类时间.再次,采用深度森林(DeepForest)进行分类,提高小样本检测率和整体准确率,输出分类结果.最后,使用数据集Gas验证模型效果.实验结果表明,本文模型与简单深度森林模型相比准确率整体提升3%,小样本数据NMRI、MFCI、Dos的查全率、查准率、F1分别提高至95%、84%、90%;与随机森林模型相比,准确率整体提高6%,小样本NMRI的查全率提升23%;与深度卷积神经网络相比,准确率接近94%时,模型训练时间和分类时间提高约50%. 展开更多
关键词 工业控制系统 入侵检测 CGAN-Deep Forest 不平衡性 分类时间
暂未订购 下载PDF
Two-step hierarchical binary classification of cancerous skin lesions using transfer learning and the random forest algorithm 认领 引用
3
作者 Taofik Ahmed Suleiman Daniel Tweneboah Anyimadu +2 位作者 Andrew Dwi Permana Hsham Abdalgny Abdalwhab Ngim Alessandra Scotto di Freca 《Visual Computing for Industry,Biomedicine,and Art》 EI 2024年第1期220-236,共17页
Skin lesion classification plays a crucial role in the early detection and diagnosis of various skin conditions.Recent advances in computer-aided diagnostic techniques have been instrumental in timely intervention,the... Skin lesion classification plays a crucial role in the early detection and diagnosis of various skin conditions.Recent advances in computer-aided diagnostic techniques have been instrumental in timely intervention,thereby improving patient outcomes,particularly in rural communities lacking specialized expertise.Despite the widespread adoption of convolutional neural networks(CNNs)in skin disease detection,their effectiveness has been hindered by the limited size and data imbalance of publicly accessible skin lesion datasets.In this context,a two-step hierarchical binary classification approach is proposed utilizing hybrid machine and deep learning(DL)techniques.Experiments conducted on the International Skin Imaging Collaboration(ISIC 2017)dataset demonstrate the effectiveness of the hierarchical approach in handling large class imbalances.Specifically,employing DenseNet121(DNET)as a feature extractor and random forest(RF)as a classifier yielded the most promising results,achieving a balanced multiclass accuracy(BMA)of 91.07%compared to the pure deep-learning model(end-to-end DNET)with a BMA of 88.66%.The RF ensemble exhibited significantly greater efficiency than other machine-learning classifiers in aiding DL to address the challenge of learning with limited data.Furthermore,the implemented predictive hybrid hierarchical model demonstrated enhanced performance while significantly reducing computational time,indicating its potential efficiency in real-world applications for the classification of skin lesions. 展开更多
关键词 Random forest Machine learning Deep learning Class imbalance Hierarchical classification Cancerous skin lesions
暂未订购 下载PDF
基于波谱形状匹配与随机森林的农作物样本纯化方法 认领 引用
4
作者 吴瑞娟 龚雪 钟旭珍 《地球信息科学学报》 EI CAS CSCD 北大核心 2026年第6期1732-1747,共16页
【目的】随着高分辨率遥感与智能算法的发展,农作物精细分类已成为提升现代农业管理的关键环节。【方法】针对农作物精细分类中样本获取困难的问题,本研究以历史农田矢量数据与多源农作物栅格数据为基础,以Sentinel-2多季相影像为目标... 【目的】随着高分辨率遥感与智能算法的发展,农作物精细分类已成为提升现代农业管理的关键环节。【方法】针对农作物精细分类中样本获取困难的问题,本研究以历史农田矢量数据与多源农作物栅格数据为基础,以Sentinel-2多季相影像为目标时相影像,提出一种基于波谱形状匹配与随机森林的样本纯化方法,用于目标时相影像的农作物分类。该方法首先基于历史农作物底图产品自动生成初始样本点,进而通过综合评估初始样本点的光谱聚集度以及对目标时相分类任务的置信度,对初始样本点进行筛选优化,最终得到多类型农作物纯化样本点。在波谱形状匹配的样本纯化阶段,通过DTW算法量化初始样本点光谱曲线与均值光谱之间的相似度,筛选出光谱特征集中且具有代表性的样本点;在随机森林样本筛选阶段,采用随机森林分类器评估样本点的分类置信度。【结果】以四川省安宁河谷复杂农作物种植区和黑龙江省绥化市大田种植区为实验区开展实验,结果表明与采用初始样本点相比,样本纯化后2个实验区农作物分类总体精度分别提升14.18%与22.78%;DTW相似度阈值为60%,全生长季合成影像的农作物分类效果最优,与秋季合成影像相比总体精度提升22.83%;与现有3种样本纯化方法相比,本文方法在2个实验区的农作物分类总体精度分别为90.16%与93.16%,在复杂农作物种植区明显优于对比方法,表明本文方法在处理不同场景的农作物精细分类中具有鲁棒性。【结论】本研究为利用现有农作物底图产品进行农作物精细分类提供了一种技术手段。 展开更多
关键词 农作物分类 样本纯化 深度学习 动态时间规整 随机森林 全生长季 安宁河谷 绥化市
暂未订购 下载PDF
基于CNN特征增强与动态稀疏级联的深度森林模型 认领 引用
5
作者 张学毅 闫霏霏 《计算机科学》 CSCD 北大核心 2026年第8期61-70,共10页
针对原始深度森林多粒度扫描计算冗余、级联森林特征维度膨胀导致的效率低下问题,提出一种基于卷积神经网络(CNN)特征增强与动态稀疏级联的深度森林模型CDS-Forest。该模型采用轻量级卷积神经网络CNN替代计算密集的多粒度扫描,实现高效... 针对原始深度森林多粒度扫描计算冗余、级联森林特征维度膨胀导致的效率低下问题,提出一种基于卷积神经网络(CNN)特征增强与动态稀疏级联的深度森林模型CDS-Forest。该模型采用轻量级卷积神经网络CNN替代计算密集的多粒度扫描,实现高效的层次化特征提取;同时,引入动态稀疏级联机制,通过特征选择自适应控制模型复杂度,从而避免特征冗余。在MNIST和CIFAR-10两个基准数据集上的实验表明,CDS-Forest在MNIST数据集上准确率达99.14%,显著高于原始gcForest的96.28%和标准CNN的98.75%,训练时间仅为gcForest的1/112;在CIFAR-10数据集上CDS-Forest的准确率达88.76%,比标准CNN、gcForest分别高0.48个百分点和4.1个百分点,训练时间仅为gcForest的1/62、标准CNN的1/3。CDS-Forest模型对硬件设备配置要求宽松,无需高性能图像处理器即可高效运行,具有经济友好性强、部署成本低的优势。所提出的模型为图像分类任务提供了一种高效、易用且设备要求低的非神经网络深度模型方案,丰富了深度学习与集成学习的融合思路。 展开更多
关键词 深度森林 CNN特征增强 动态稀疏级联 图像分类 特征提取
暂未订购 下载PDF
基于无人机遥感的植被类型分类研究——以溧阳市山区为例 认领 引用
6
作者 陈忠媛 鞠森 +2 位作者 周崴 杨祎凡 叶晟 《环境监控与预警》 2026年第1期24-29,44,共6页
以宜溧低山丘陵重点区域中溧阳市天目湖横塘村附近丘陵山地为研究对象,基于无人机可见光-多光谱融合数据,构建深度卷积神经网络(DCNN)与随机森林(RF)模型,开展多季节植被分类对比研究。结果表明:DCNN模型较RF模型优势显著,各季节总体精... 以宜溧低山丘陵重点区域中溧阳市天目湖横塘村附近丘陵山地为研究对象,基于无人机可见光-多光谱融合数据,构建深度卷积神经网络(DCNN)与随机森林(RF)模型,开展多季节植被分类对比研究。结果表明:DCNN模型较RF模型优势显著,各季节总体精度达99.49%~99.81%,较RF模型最高提升了32.06个百分点,Kappa系数为99.25%~99.72%,其中落叶乔木林、杨梅树林等复杂植被用户精度提升超95%。分类结果呈现出季节波动规律和较大的差异性,冬、春季精度最优且与实地验证结果高度吻合,夏季因物候变化导致茶树林和落叶林识别精度下降;道路、水体及建筑等地物能够实现全年稳定识别,竹林因光谱特征的一致性可实现全季节高精度分类。研究验证了“无人机遥感+深度学习提取”对于林地、草地等地物类型具有精准解译内部格局、物候及时序变化的能力,可为生态环境监测智能化提供技术支撑。当前模型在标签动态更新、人工标注偏差及计算复杂度方面存在局限,未来须优化半自动标注与轻量化模型构建。 展开更多
关键词 植被分类 无人机遥感 卷积神经网络 深度学习 随机森林
暂未订购 下载PDF
融合深度学习与遥感技术的森林资源分类创新研究 认领 引用
7
作者 张洪源 《林业科技情报》 2026年第3期19-21,共3页
基于深度学习与遥感技术融合的森林资源分类创新研究表明,通过构建融合卷积神经网络和注意力机制的分类模型,结合多源遥感数据处理技术,能够实现针叶林、阔叶林与混交林等不同森林类型的精确识别。实验采用16层卷积神经网络架构,融合空... 基于深度学习与遥感技术融合的森林资源分类创新研究表明,通过构建融合卷积神经网络和注意力机制的分类模型,结合多源遥感数据处理技术,能够实现针叶林、阔叶林与混交林等不同森林类型的精确识别。实验采用16层卷积神经网络架构,融合空间注意力和通道注意力机制,处理多光谱影像和SAR数据的纹理特征。性能评估结果显示,融合模型总体分类精度达到92.6%,Kappa系数为0.889,显著优于传统随机森林算法的85.3%和支持向量机的83.7%。多源数据融合策略使整体分类精度比单一光学影像提升4.3%,比单一SAR数据提升7.8%,注意力机制进一步提升精度2.1%。该技术为森林资源管理和生态环境监测提供了有效支撑,为大尺度森林资源监测奠定了技术基础。 展开更多
关键词 深度学习 遥感技术 森林资源分类 卷积神经网络 注意力机制
暂未订购 下载PDF
用于声音分类的Deep LightGBM算法 认领 引用
8
作者 李行健 汤心溢 张瑞 《声学技术》 CSCD 北大核心 2022年第6期871-877,共7页
在医学诊断、场景分析、语音识别、生态环境分析等方面语音分类都有着广泛的应用价值。传统的语音分类器采用的是神经网络。但是在精确度,模型设置,参数调整和资料的预处理等方面,有较大的缺陷。在这一基础上,文章提出了一种以“深度森... 在医学诊断、场景分析、语音识别、生态环境分析等方面语音分类都有着广泛的应用价值。传统的语音分类器采用的是神经网络。但是在精确度,模型设置,参数调整和资料的预处理等方面,有较大的缺陷。在这一基础上,文章提出了一种以“深度森林”为基础的改进方法——LightGBM的深度学习模型(Deep LightGBM模型)。它能够在保证模型简洁的前提下,提高分类精度和泛化能力。该算法有效降低了参数依赖性。在UrbanSound8K这一数据集中,采用向量方法进行语音特征的提取,其分类精确度达95.84%。将卷积神经网络(Convolutional Neural Network, CNN)抽取的特征和向量法获取的特征进行融合,并利用新的模型进行训练,其准确率可达97.67%。实验证明,此算法采用的特征提取方式与Deep LightGBM配合获得的模型参数调整容易,精度高,不会产生过度拟合,并且泛化能力好。 展开更多
关键词 声音分类 LightGBM算法 深度森林 特征融合 特征提取
暂未订购 下载PDF
基于扩散模型图像增强与多类特征融合的火焰燃烧状态智能识别 认领 引用 被引量：1
9
作者 汤健 杨薇薇 +2 位作者 夏恒 崔璨麟 乔俊飞 《北京工业大学学报》 CAS CSCD 北大核心 2025年第12期1502-1514,共13页
针对领域专家依据经验判断城市固废焚烧(municipal solid waste incineration,MSWI)过程中的火焰燃烧状态具有随意性、主观性和差异性,以及高质量火焰图像稀少等问题,提出基于去噪扩散概率模型(denoising diffusion probabilistic model... 针对领域专家依据经验判断城市固废焚烧(municipal solid waste incineration,MSWI)过程中的火焰燃烧状态具有随意性、主观性和差异性,以及高质量火焰图像稀少等问题,提出基于去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)的图像增强与多类特征融合的火焰燃烧状态识别方法。首先,利用DDPM生成虚拟火焰图像以弥补高质量建模图像稀缺问题;然后,对由真实和虚拟图像混`合得到的建模数据采用LeNet-5模型提取深度特征,同时提取火焰图像的亮度、范围和颜色等物理特征;最后,面向上述混合特征构建基于深度森林分类(deep forest classification,DFC)的火焰燃烧状态识别模型。基于实际MSWI过程火焰图像验证了该方法的有效性和优越性。 展开更多
关键词 城市固废焚烧(municipal solid waste incineration,MSWI) 火焰燃烧状态识别 去噪扩散概率模型(denoising diffusion probabilistic model,DDPM) 深度特征 物理特征 深度森林分类(deep forest classification,DFC)
暂未订购 下载PDF
基于特征融合的部分有序深度森林模型 认领 引用 被引量：2
10
作者 许行 温萧轲 王文剑 《计算机工程与应用》 EI CSCD 北大核心 2025年第7期165-175,共11页
部分有序数据是同时包含有序特征与无序特征的一类数据,其广泛存在于现实生活中。传统的有序分类方法或者将所有特征都视为有序特征,或者对有序与无序特征分别进行处理,忽略了二者之间的关系,这些方法难以有效解决部分有序数据上的分类... 部分有序数据是同时包含有序特征与无序特征的一类数据,其广泛存在于现实生活中。传统的有序分类方法或者将所有特征都视为有序特征,或者对有序与无序特征分别进行处理,忽略了二者之间的关系,这些方法难以有效解决部分有序数据上的分类问题。针对该问题,提出一种基于特征融合的部分有序深度森林模型,称为FFDF(feature fusion-based deep forest)。利用典型相关分析的思想,设计特征融合的贡献度计算方法,将有序特征和无序特征融合到同一特征空间,统一度量二者之间的关系。对融合的特征空间进行数据粒化,降低模型处理连续变量时的复杂性。设计融合空间下的特征矩阵输入级联森林,构建部分有序的深度森林模型。在来自UCI和WEKA的13个公共数据集上与部分单调决策树、有序分类模型、深度森林模型等六种方法进行比较实验,结果表明所提方法在准确性和平均绝对误差方面均优于对比方法;与集成模型深度森林gcForest和DF21进行了时间性能上的对比实验,结果表明所提方法在时间性能上优于对比方法。 展开更多
关键词 有序分类 部分有序数据 特征融合 深度森林 典型相关分析
暂未订购 下载PDF
深度森林联合模型:一种新的复杂医学影像数据的策略 认领 引用 被引量：1
11
作者 周屹 邵方 +2 位作者 尤东方 陆梦依 赵杨 《中国卫生统计》 CSCD 北大核心 2025年第4期510-515,共6页
目的比较深度森林联合模型、深度森林以及随机森林在医学影像数据分类中的预测性能。方法本研究提出深度森林联合模型,通过Sobol-MDA(Sobol-mean decrease accuracy)结合深度森林级联结构和随机森林的特征提取能力,对模拟实验和真实医... 目的比较深度森林联合模型、深度森林以及随机森林在医学影像数据分类中的预测性能。方法本研究提出深度森林联合模型,通过Sobol-MDA(Sobol-mean decrease accuracy)结合深度森林级联结构和随机森林的特征提取能力,对模拟实验和真实医学影像数据进行分析。模拟实验涵盖结局变量不均衡、变量间非线性关系、噪声变量、多重共线性及交互作用等场景。实例分析基于腮腺MRI数据,比较各模型在曲线下面积(area under curve,AUC)值等指标上的表现。结果在模拟实验以及实例分析中,深度森林联合模型表现优越,特别是在复杂交互作用场景下,其预测性能显著优于深度森林或随机森林模型。结论深度森林联合模型在应对复杂医学影像数据分类任务中具有显著优势,尤其在处理变量间存在高阶交互作用时,其预测性能优于深度森林。 展开更多
关键词 深度森林联合模型 Sobol-MDA 高阶交互作用 复杂医学影像分类
暂未订购 下载PDF
一种优化VMD的多尺度深度森林时序分类方法 认领 引用 被引量：1
12
作者 兰婷 白艳萍 +1 位作者 程蓉 续婷 《重庆理工大学学报（自然科学）》 CAS 北大核心 2025年第4期166-173,共8页
为解决深度森林模型在处理复杂时间序列分类时难以充分捕捉非平稳数据的动态变化,以及多粒度扫描生成的高维数据增加冗余信息的问题,提出了一种基于优化VMD的多尺度深度森林方法。利用VMD对复杂时间序列进行分解,并引入SMA优化VMD中的参... 为解决深度森林模型在处理复杂时间序列分类时难以充分捕捉非平稳数据的动态变化,以及多粒度扫描生成的高维数据增加冗余信息的问题,提出了一种基于优化VMD的多尺度深度森林方法。利用VMD对复杂时间序列进行分解,并引入SMA优化VMD中的参数,从而更精准地提取多尺度信息;采用t-SNE技术对多粒度扫描后的特征数据进行降维,减少冗余特征;将降维后的数据输入到级联森林中进行分类,输出分类结果。在6个UCR公开数据集上与多种算法(如MLP、LA-ESN和DF21)进行对比,结果表明,所提算法具有较强的分类能力,为时间序列分类领域提供了新思路。 展开更多
关键词 时间序列分类 深度森林 VMD t-SNE 智能优化算法
暂未订购 下载PDF
基于局部几何先验与Transformer的点云树种分类研究 认领 引用 被引量：2
13
作者 刘耀廷 刘正军 +1 位作者 曹昌昊 陈一铭 《测绘科学》 CSCD 北大核心 2025年第8期92-100,共9页
针对现有树种分类方法对复杂单木点云特征信息提取不足,并对地基激光雷达(TLS)和机载激光雷达(ALS)的单木数据混合分类精度受限的问题,该文提出了一种创新的点云树种分类方法MFFTCN。该方法首先通过局部几何先验增加单木点云的特征维度... 针对现有树种分类方法对复杂单木点云特征信息提取不足,并对地基激光雷达(TLS)和机载激光雷达(ALS)的单木数据混合分类精度受限的问题,该文提出了一种创新的点云树种分类方法MFFTCN。该方法首先通过局部几何先验增加单木点云的特征维度,其次使用基于PointNet++的set abstraction(SA)进行特征提取,并提出了基于Transformer的特征交互模块进行多尺度特征聚合。该文选取由TLS和ALS混合构成的自建数据集(2类树种)和公开的Weiser数据集(5类树种)进行精度评价,并与PointMLP和RepSurf等先进方法进行对比分析。试验结果表明,该文方法在自建数据集和Weiser数据集的总体精度分别达到了97.33%和90.36%,同样达到了较高的F1和Kappa,显著优于对比方法,验证了该文方法的有效和可靠性。 展开更多
关键词 树种分类 激光点云 几何先验 森林近距离感知 深度学习
暂未订购 下载PDF
基于高分遥感影像与面向对象的林地识别分类提取研究 认领 引用 被引量：2
14
作者 刘依扬 吕勇 《湖南林业科技》 2025年第1期24-30,共7页
针对传统软件人工地物判读效率低、分类提取复杂、自动化程度较低等问题,本研究以浙江省建德市大洋镇为研究区,在第三次全国国土资源调查数据的基础上,基于GF-1、ZY-3等卫星遥感影像,采用国产“简译”自动解译软件中的多尺度分割和面向... 针对传统软件人工地物判读效率低、分类提取复杂、自动化程度较低等问题,本研究以浙江省建德市大洋镇为研究区,在第三次全国国土资源调查数据的基础上,基于GF-1、ZY-3等卫星遥感影像,采用国产“简译”自动解译软件中的多尺度分割和面向对象分类的方法,运用最小距离法和深度学习法开展林地地类的分类识别与提取。研究结果表明:最小距离算法和深度学习算法的总体精度分别为72.06%和81.86%,Kappa系数分别为0.6275和0.7582;相较于最小距离算法,基于MobileNetV3网络结构的深度学习分类算法精度更高,在速度和准确性方面更为平衡高效,能较好地满足大范围林地快速提取与分类的需求。 展开更多
关键词 林地地类 简译 面向对象分类 高分辨率遥感影像 深度学习
暂未订购 下载PDF
高光谱遥感影像多级联森林深度网络分类算法 认领 引用 被引量：18
15
作者 武复宇 王雪 +2 位作者 丁建伟 杜培军 谭琨 《遥感学报》 EI CSCD 北大核心 2020年第4期439-453,共15页
高光谱遥感技术在环境监测、应急保障、精细地物提取等方面有着广泛的应用,随着高分五号高光谱数据的正式发布,高光谱遥感技术将发挥更重要的作用。遥感影像分类作为高光谱遥感影像信息处理的重要部分,已成为当前研究重点。本文针对传... 高光谱遥感技术在环境监测、应急保障、精细地物提取等方面有着广泛的应用,随着高分五号高光谱数据的正式发布,高光谱遥感技术将发挥更重要的作用。遥感影像分类作为高光谱遥感影像信息处理的重要部分,已成为当前研究重点。本文针对传统多级联森林深度学习中模型复杂、无法利用基分类器差异信息、对类间差异较小的样本无法正确区分等不足,提出了一种改进的多级联森林深度学习模型,在模型框架中,分别采用了随机森林和旋转森林作为基分类器,并引入逻辑回归分类器作为判别器用于训练层扩展。相较于传统的深度神经网络,改进的多级联森林深度网络超参数较少且能够自适应确定训练层,更方便进行模型优化。实验采用了高分五号数据集及两个公开的高光谱数据集(Indian Pines数据集及Pavia University数据集)进行精度评定,同时选择了传统分类器支持向量机、深度置信网等模型作为对比分析。实验结果表明,改进的多级联森林深度学习模型能有效地进行高光谱遥感影像分类,且较传统的分类方法精度有所提升。 展开更多
关键词 遥感 高光谱遥感分类 多级联森林 旋转森林 集成学习 深度学习
暂未订购 下载PDF
一种基于深度森林的恶意代码分类方法 认领 引用 被引量：24
16
作者 卢喜东 段哲民 +1 位作者 钱叶魁 周巍 《软件学报》 EI CSCD 北大核心 2020年第5期1454-1464,共11页
针对当前恶意代码静态分析方法精度不足的问题,将恶意代码映射为无压缩的灰度图像,然后根据图像变换方法将图像变换为恒定大小的图像,使用方向梯度直方图提取图像的特征,最后提出一种基于深度森林的恶意代码分类方法.实验中选择不同家... 针对当前恶意代码静态分析方法精度不足的问题,将恶意代码映射为无压缩的灰度图像,然后根据图像变换方法将图像变换为恒定大小的图像,使用方向梯度直方图提取图像的特征,最后提出一种基于深度森林的恶意代码分类方法.实验中选择不同家族的多个恶意代码样本进行分类,验证了该方法的有效性,并且实验结果优于近期提出的SPAM-GIST方法. 展开更多
关键词 恶意代码分类 方向梯度直方图 深度森林
暂未订购 下载PDF
深度学习在森林火灾检测中的研究进展 认领 引用 被引量：205
17
作者 王丽霞 夏雪 +3 位作者 高凡 刘强 董霙达 郜晓晶 《林产工业》 北大核心 2023年第11期88-92,共5页
基于深度学习技术的火灾检测方法迅速发展,为森林火灾检测提供了新的发展方向。介绍了深度学习的概念、主要模型及在森林火灾检测中的优势,详细阐述了不同深度学习模型在森林火灾烟雾与火焰特征的提取、火灾与非火灾图像的分类、火灾的... 基于深度学习技术的火灾检测方法迅速发展,为森林火灾检测提供了新的发展方向。介绍了深度学习的概念、主要模型及在森林火灾检测中的优势,详细阐述了不同深度学习模型在森林火灾烟雾与火焰特征的提取、火灾与非火灾图像的分类、火灾的预判跟踪中的应用,并对当前方法进行了总结分析。最后,提出了目前存在的问题以及未来的研究方向,以期为森林火灾检测提供新思路。 展开更多
关键词 森林火灾检测 深度学习 特征提取 图像分类 预判跟踪
暂未订购 下载PDF
基于多标记深度森林算法的冷鲜羊肉新鲜度无损检测方法 认领 引用 被引量：6
18
作者 徐子洋 姜新华 +2 位作者 白洁 张文婧 李靖 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第2期580-587,共8页
羊肉新鲜程度受多种因素影响,其检测一般要从感官性状、分解的理化产物和微生物繁殖程度等方面进行。然而基于单一指标的羊肉新鲜度检测局限性大,适用性低,很难综合评价羊肉新鲜程度,而且传统检测方法操作复杂,效率低,不能满足日常实际... 羊肉新鲜程度受多种因素影响,其检测一般要从感官性状、分解的理化产物和微生物繁殖程度等方面进行。然而基于单一指标的羊肉新鲜度检测局限性大,适用性低,很难综合评价羊肉新鲜程度,而且传统检测方法操作复杂,效率低,不能满足日常实际需求。高光谱成像技术作为一种快速、无损、高效的检测技术,可以有效地获取冷鲜羊肉腐败过程中表面、内部组成和理化变化信息。提出一种基于改进深度森林算法的冷鲜羊肉新鲜度评价模型,增加特征筛选挖掘与多个评价指标相关的光谱信息,同时增加层增长控制有效防止模型过拟合。采集了0~14天4℃贮藏环境中羊肉样本的400~1000 nm高光谱数据,采用实验室方法测定了样本的挥发性盐基氮(TVB-N)、pH值、菌落总数(TAC)和大肠菌群近似数(ANC)指标值。选择感兴趣区域提取光谱数据,通过S-G平滑滤波法和多元散射校正法对原始光谱数据进行预处理,利用连续投影法提取了18个特征波段。将数据集按照3∶1划分为训练集和测试集;利用本文提出的改进深度森林算法建立新鲜度等级分类模型。结果表明,新鲜度等级分类总体精度为0.9857,并利用hamming loss、one-error、ranking loss和marco-AUC四种多标记度量指标评价模型性能,分别为0.0257、0.0143、0.0142和0.9986,均优于传统多标记分类算法也表明,该多指标新鲜度评价模型可用于羊肉新鲜度的快速无损检测,改善了单一新鲜度检测指标模型分类的局限性,为后续高光谱成像技术的多指标无损检测提供了方法。 展开更多
关键词 高光谱 冷鲜羊肉 新鲜度 多标记分类 深度森林
暂未订购 下载PDF
基于深度森林算法的慢性胃炎中医证候分类 认领 引用 被引量：20
19
作者 颜建军 刘章鹏 +4 位作者 刘国萍 郭睿 王忆勤 付晶晶 钱鹏 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第4期593-599,共7页
针对中医问诊复杂性和非线性的特点,采用深度森林算法(gcForest)构建慢性胃炎中医问诊证候分类模型.利用gcForest分析慢性胃炎问诊数据,建立证候分类模型,并与DBN和DBM两种深度学习算法以及ML-KNN、BSVM、ECC、RankSVM、LIFT这5种多标... 针对中医问诊复杂性和非线性的特点,采用深度森林算法(gcForest)构建慢性胃炎中医问诊证候分类模型.利用gcForest分析慢性胃炎问诊数据,建立证候分类模型,并与DBN和DBM两种深度学习算法以及ML-KNN、BSVM、ECC、RankSVM、LIFT这5种多标记学习算法构建的模型进行比较.实验结果表明,该模型在多标记评价指标和单个证型的分类准确率上都优于其他算法,能有效地解决慢性胃炎中医问诊证候分类问题,通过该算法建立的模型分类效果良好,可以为慢性胃炎证候量化诊断研究提供参考. 展开更多
关键词 证候分类 深度森林 深度学习 慢性胃炎 中医
暂未订购 下载PDF
基于强化表征学习深度森林的文本情感分类 认领 引用 被引量：10
20
作者 韩慧 王黎明 +1 位作者 柴玉梅 刘箴 《计算机科学》 CSCD 北大核心 2019年第7期172-179,共8页
为了有效实现评论文本的情感倾向性预测,在深度森林模型的基础上提出一种基于强化表征学习的深度森林算法BFDF(Boosting Feature of Deep Forest)来对文本进行情感分类。首先,提取二元特征与情感语义概率特征;其次,对二元特征中的评价... 为了有效实现评论文本的情感倾向性预测,在深度森林模型的基础上提出一种基于强化表征学习的深度森林算法BFDF(Boosting Feature of Deep Forest)来对文本进行情感分类。首先,提取二元特征与情感语义概率特征;其次,对二元特征中的评价对象做聚类处理以及特征融合;然后,改进深度森林级联层的表征学习能力,避免特征信息逐渐削减;最后,将AdaBoost方法融入到深度森林,使深度森林注意到不同特征的重要性,进而得到改进的模型BFDF。在酒店评论语料集上进行了实验验证,实验结果证明了该方法的有效性。 展开更多
关键词 情感分类 特征提取 深度森林 AdaBoost
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 3 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈