公共文化服务平台

共 3 条记录，以下是 1-3

全选清除导出

排序方式：

基于BP神经网络的遥感影像棉花识别方法被引量：13: 2017年; 为提高遥感影像棉花识别的精度,提出一种基于反向传播(back propagation,BP)神经网络算法的棉花识别方法。利用单时相GF-1号和Ladsat8遥感数据,结合归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、红波段亮度值(B3)和近红外波段亮度值(B4)等特征指数,依据野外GPS实测数据选择训练样本,通过不同的特征组合对BP神经网络进行训练。验证结果表明,该识别方法精度达到98.32%,较最大似然法和最小距离法分别提高8.27%和5.53%。实验结果表明,所提方法能够有效地提高棉花识别精度并简化识别过程。; 范迎迎钱育蓉杨柳黄震; 关键词：遥感影像 BP神经网络植被指数

一种Spark下分布式DBN并行加速策略被引量：1: 2018年; Spark下分布式深度信念网络(Distributed Deep Belief Network,DDBN)存在数据倾斜、缺乏细粒度数据置换、无法自动缓存重用度高的数据等问题,导致了DDBN计算复杂高、运行时效性低的缺陷.为了提高DDBN的时效性,提出一种Spark下DDBN数据并行加速策略,其中包含基于标签集的范围分区(Label Set based on Range Partition,LSRP)算法和基于权重的缓存替换(Cache Replacement based on Weight,CRW)算法.通过LSRP算法解决数据倾斜问题,采用CRW算法解决RDD(Resilient Distributed Datasets)重复利用以及缓存数据过多造成内存空间不足问题.结果表明:与传统DBN相比,DDBN训练速度提高约2.3倍,通过LSRP和CRW大幅提高了DDBN分布式并行度.; 黄震钱育蓉于炯英昌甜赵京霞; 关键词：缓存替换

Spark下遥感大数据特征提取的加速策略被引量：7: 2017年; 提出一种基于Spark分布式内存计算框架的遥感大数据特征提取策略。采用Landsat8为数据源,以计算归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)为例开展实验。实验结果表明,在相同硬件环境、处理任务、数据量的条件下,Spark处理遥感大数据的速度较单机模式下的处理遥感大数据提升了约2倍,基于Hadoop分布式文件系统(HDFS)处理模式较Spark-standalone处理模式处理速度提升了约1.2倍,基于Spark下的HDFS存储模式下,栅格切分遥感大数据较非栅格切分处理速度提高了约1.5倍。; 黄震钱育蓉范迎迎杜娇; 关键词：HADOOP分布式文件系统

全选清除导出

共1页<1>

黄震