应用"中国知网"提高知识和信息素养

在介绍“中国知网”的基础上,帮助读者了解其检索窗口、检索途径和检索方法;针对初学者,详细介绍如何应用“知网节”、“词扩展”、“CNK I翻译助手”及“CNK I搜索引擎”等“中国知网”的特色功能;阐述提高“中国知网”的利用效率,充分发挥网上数据库的知识信息在学习和科研中的作用。     

基于最小外接矩形的遥感影像建筑物轮廓优化方法

深度学习提取高分辨率遥感影像中的建筑物信息容易受到物体周围的阴影、植被等噪声干扰而使结果存在边界锯齿化、建筑物整体不规整等问题.本文提出了利用符合建筑物边界轮廓的最小外接矩形最大限度地拟合建筑物轮廓的思路.首先利用深度学习和建筑物验证处理得到的建筑物信息,对建筑物边界利用垂距法进行多边形的拟合;然后对多边形的最小外接矩...     

基于深度学习的航海通告命名实体识别方法

为进一步提高识别、提取和应用航海通告信息的效率和准确性,基于对深度学习的自然语言处理技术及中文电子航海通告文本特点的研究,通过语料标注、搭建、调参、训练与评价了5种命名实体识别模型,得出CNN-BiLSTM-CRF模型的识别精确率、召回率等主要指标达到70%以上,能够适应复杂的通告内容及其语境干扰,是目前最优的航海通告命名实体识别模型的结论。应用该模型可为航海通告内容的自动化、智能化提取,高效编制及快速与准确应用提供一种新的技术方法。     

宝光自动观测技术的设计与应用

宝光是重要的旅游气象资源,但由于自动观测技术匮乏、人工观测困难和漏测等问题,使得宝光观测数据缺乏,资源评价几乎空白。本文根据“太阳光线—人眼或摄像头视线—宝光成像云雾区三点必须呈一线分布”的观测原理,研发了一种基于摄像头的实时自动观测宝光技术,即每10 s将摄像头角度调整为当前时刻的太阳方位角和高度角,使摄像头朝向与不断变化的太阳光线保持平行,并进行拍摄和保存摄像图像,同时采用深度学习技术建立宝光识别模型,对实时拍摄的照片进行宝光自动识别。应用表明,该项技术较好地解决了宝光实时观测难题,观测成果（照片）是宝光旅游资源评估和普查的重要依据,可为宝光旅游资源开发和游客观赏宝光提供技术支撑。     

基于生成对抗网络的窗户精细结构半监督识别

针对当前立面窗户重建存在的精细结构缺失、标注数据获取困难、迁移学习精度不高的问题,提出了一种基于生成对抗网络(GAN)的半监督精细窗户结构识别方法。该方法使用纹理影像进行信息提取,基于半监督学习的方式,从大量无标签数据中构建生成对抗网络模型,提升了模型的泛化能力和抗干扰能力。实验表明,本文方法可以明显提升小样本下建筑立面窗户的种类识别精度和参数回归精度,应用于实际建模之中也取得了良好的效果。     

基于融合残差注意力机制的卷积神经网络地震信号去噪

由于U型卷积神经网络(Unet)在地震数据去噪中存在计算量大、网络退化和泛化能力弱等问题,本文为了提高去噪效果以及增强模型的泛化性,提出了一种融合残差注意力机制的卷积神经网络(RAUnet)。该网络结构主要由编码和解码两部分构成,网络的每个卷积层之后都加入了批标准化和带泄露整流激活函数。在编码器中,为了提高对噪声的提取能力,引入了残差结构和卷积块注意力模块。残差结构利用残差跳跃连接的方式减弱了网络退化,降低了特征映射的难度。卷积块注意力模块使用通道和空间的混合注意力权重,能提升相关度高的特征并抑制相关度低的特征。在解码器中,为了提升特征融合的维度恢复能力,选用双线性插值方式进行上采样。实验测试结果表明,对于合成地震信号,本文方法对简单模型和复杂模型随机噪声的压制效果均更有效,并且更好地保护了有效信号;对于实际地震信号,本文方法仍然能在去噪的同时尽量保持有效信号中的细节,对叠前数据和叠后数据都展现出了良好的泛化性。     

一种面向生态环境领域的知识图谱构建方法

面向生态环境领域,提出了一种利用文献文本的领域知识图谱自动构建方法。首先利用机器学习技术抽取生态环境领域的关键词和关键关系;再结合统一建模语言系统构建生态环境领域知识图谱模式层,并以该模式层为指导建立生态环境领域语料库;然后采用深度学习方法从文本文献中自动抽取关键信息,通过来源指数和校验次数保证抽取知识的置信度;最终实现知识图谱的自动化构建与可视化展示。结果表明,利用2 000万字规模的文献文本可得到含29 490条知识三元组的知识图谱,利用Transformer模型抽取的总体精度为96.27%。     

基于深度学习的农业大棚检测

农业大棚的即时空间分布信息能为相关农业部门提供农业管理和资源分配的依据,具有重要意义。针对这一需求,对比分析了深度学习模型FCN, UNet和HRNet在高分辨率遥感影像大棚检测任务上的性能,对FCN, UNet和HRNet模型在大棚检测方面的效果进行定量和定性分析。通过对比发现UNet等网络模型正确率均可达到90%以上,交并比IOU达到85%以上,其中HRNet的效果最好,正确率和IOU分别为92.79%和87.32%。实验表明基于深度学习的大棚检测方法可为快速精确获取大棚分布信息提供技术支撑,具有实用价值。     

基于迁移学习的非约束环境下热带鱼类识别

针对海底非约束环境下视频背景多模、环境变化复杂导致图像识别困难的问题,提出基于迁移学习的非约束环境下热带海域鱼类识别方法。首先构建ResNet深度卷积神经网络;其次引入迁移学习进行网络训练,对比迁移学习前后的识别效果。结果表明,在引入迁移学习下,accuracy和loss指标均优于非迁移学习的情况,并且在训练到150个epoch时,各项指标开始收敛,能够较好地完成非约束环境下热带海域的鱼类识别任务。     

基于Geoway Feature的基础测绘变化信息检测研究

随着各领域对基础地理信息现势性需求的增强,基础测绘工作需实现变化要素的实时处理,因此变化信息检测的效率与精度成为制约基础测绘更新效率的瓶颈。以提高变化信息提取的自动化程度、促进靶向性更新的快速开展为目标,依托Geoway Feature遥感信息提取软件,采用基于深度学习策略的计算机变化信息检测方法,对甘肃省庆城市区域多时相卫星正射影像展开试验,最后对实验效能予以评价,对其应用前景、研究方向进行了展望。结果表明Geoway Feature软件的检测结果的准确性与检测对象种类、样本库数量质量相关性大。