排序方式: 共有6条查询结果,搜索用时 11 毫秒
1
1.
针对高光谱遥感分类研究中面临的数据处理效率低、分类结果精度不高等难题,本文在引入极限学习机(ELM)算法的基础上,顾及其在噪声影响下出现稳健性降低的现象,进一步将主成分分析(PCA)应用于ELM的前端,从而构建了一种基于PCA和ELM的联合算法。将该算法与目前常用的神经网络和支持向量机进行对比分析发现:PCA-ELM分类结果的精度最高,其数据处理效率也较高,该算法具有较强的稳健性和泛化能力,适用于高光谱遥感信息的高效提取。 相似文献
2.
改进利用蚁群规则挖掘算法进行遥感影像分类 总被引:1,自引:0,他引:1
基于ant-miner算法,提出改进蚁群规则挖掘算法.首先,从信息素浓度增加项、信息素挥发系数两方面,改进信息素浓度更新策略;其次,在算法求解中,引入变异算子,有效加快进化过程,缩短计算时间,获得较好的分类规则.以长沙市城区2006年TM影像为试验数据,在分类试验中对算法进行了验证.结果表明,相对于ant-miner和决策树方法而言,改进蚁群规则挖掘算法能挖掘出规则数目更少、形式更简单的分类规则,同时缩短计算时间,从而能够提高分类精度和效率. 相似文献
3.
系统分析花溪区城镇低效用地摸底调查及再开发工作,总结实践经验,提出工作开展建议。通过文献研究与调查分析相结合的方法,研究花溪区城镇低效用地调查方法、认定标准、分布特征及再开发对策。结论表明:花溪区运用多种技术方法,合理构建评价体系,严控低效用地认定范围;城镇低效用地成果以低效住宅和工业用地为主,且分布具有集聚性特征;政策制定及共享模式加快再开发项目实施。 相似文献
4.
5.
6.
长株潭城市群核心区城镇景观空间扩张过程定量分析 总被引:7,自引:2,他引:5
城镇扩张是城镇化过程最直接的表现,定量研究与揭示城镇空间扩张模式,对理解区域城镇化过程及城镇空间规划具有重要的意义。利用景观扩张指数定量研究了长株潭城市群核心区1993-2006年城镇景观空间演化过程,揭示其城镇景观空间扩张规律。结果表明:①研究时段内,城镇用地发展经过了凌乱分散的初级发展阶段后正趋向局部紧凑和区域布局合理;②1993-2006年间,长株潭城市群核心区城镇景观扩张主要是以边缘式增长为主,但是不同的时期,景观扩张表现出相异的空间扩张模式:1993-1996年间,景观扩张方式主要是以边缘式和飞地式为主,这一阶段长株潭城市群核心区处于快速城镇化过程的初级阶段;1996-1998年城镇化过程加快,这一阶段的城镇发展显得凌乱而分散,飞地式扩张明显;1998-2001年处于快速城镇化发展的扩散阶段,以边缘式扩张为主;2001-2006年间,处于快速城镇化的聚合阶段,城镇发展主要以边缘式和填充式为主;③长株潭城市群核心区在1993-2006年间,其平均斑块扩张指数和面积加权平均斑块扩张指数都呈上升趋势,表明城镇景观扩张更趋于紧凑。 相似文献
1