融合多元稀疏特征与阶层深度特征的遥感影像目标检测

遥感影像目标检测在城市规划、自然资源调查、国土测绘、军事侦察等领域有着广泛的应用价值。针对遥感影像目标检测在目标尺度变化大、目标外观相似性高以及背景复杂度高等方面的难点，本文提出了一种新的目标检测算法，该算法有效融合了多元稀疏特征提取模块（MNB）和阶层深度特征融合模块（HDFB）。多元稀疏特征提取模块以多个卷积分支结构来模拟神经元的多个突触结构提取稀疏分布的特征，随着网络层的堆叠获取更大感受野范围内的稀疏特征，从而提高捕获的多尺度目标特征的质量。阶层深度特征融合模块基于空洞卷积提取不同深度的上下文信息特征，然后提取特征通过独创的树状融合网络，从而实现局部特征与全局特征在特征图级别的融合。本文算法在大规模公开数据集DIOR进行验证，实验结果表明：(1)多元稀疏特征提取模块和阶层深度特征融合模块相结合的方法总体准确率达到72.5%，单张遥感影像的平均检测耗时为3.8毫秒；(2)通过使用多元稀疏特征提取模块，多尺度和外观相似性目标的检测精度得到了提高，与使用Step-wise分支的物体检测结果相比，总体精度提高了5.8%；(3)通过阶层深度特征融合模块的多感受野深度特征融合网络提取阶层深度...     

一种基于神经网络的确知信号检测技术

建立在统计信号处理理论基础上的相关检测器和匹配滤波器取得了广泛的应用,但两种模型都是建立在对实际通信信道线性化近似基础上的,在适应信道的非线性变化方面有所不足.利用神经网络自适应、非线性和高速并行运算的特点,在此提出了一种结构简单有效的神经网络接收机,并可推广到其他确知信号.     

基于ALR的Hopfield神经网络在高程拟合中的应用

运用具有正规化项的增广拉格朗日函数作为神经网络的能量函数,辅助二次曲面拟合,进一步探索Hopfield神经网络在高程拟合中的应用。实际算例表明,该方法可以大大提高神经网络的计算效率和可靠性。     

遥感、GIS结合与区域天然滑坡调查

以香港大屿山岛中部为试验研究区，探讨了遥感与GIS结合在区域滑坡调查中应用的可能性。在详细分析滑坡与环境因子关系后，将岩土类型、地貌、侵蚀、坡度等环境因子引入到影像中，与影像组成多源复合图像，可使地物的空间属性信息得到补充。同时采用适合高维复合数据的BP神经元网络对研究区天然滑坡进行识别，结果表明，区域滑坡的识别能力有较大提高。该方法的应用，将为大区域滑坡调查与监测奠定基础。     

滑坡灾害空间预测研究

介绍了滑坡灾害空间预测的常用理论和方法、研究特点和适用范围，指出了区域滑坡空间预测、单体斜坡稳定性预测和滑坡灾害风险研究的发展趋势；以三峡库区巴东县黄土坡区斜坡稳定性区划为例，用神经网络模型和信息量模型两种方法进行了斜坡稳定性预测，取得了满意的效果。     

边坡稳定性的神经网络预测研究

根据神经网络法的基本原理，结合38个实际边坡工程稳定实例，应用VB5．0可视化编程语言，建立了边坡稳定性的神经网络预测模型，并运用该模型对部分边坡工程的稳定性进行预测，预测结果与边坡实际稳定状态相吻合，从而表明了神经网络法在边坡稳定性预测中的有效性。     

多源空间数据融合方法的研究

数据融合是目前遥感应用领域的一个热点问题，本文介绍了传统的数据融合方法，以及最近比较常用的融合手段如基于附加小波分解的方法，并且提出将数字高程模型数据、地理信息系统数据、作为空间数据来源来进行基于神经网络的方法数据融合的设想。     

基于MATLAB下BP网络在砂土液化评价中的应用

介绍利用MATLAB神经网络工具箱训练BP网络的方法及其在砂土震动液化评价中的应用，取得了良好的效果。     

前向神经网络定解及泛化问题研究

作者借用线性代数方程组定解讨论中的相关概念，类比表述了前人工神经网络的定解和泛化问题，同时说明解决泛化问题仅公给定网络VC维是不够的，还需要研究本集规模、向量维度、相关性以及模拟对象的复杂度，文章出相应的算例，一定程度上讨论了前向神经网络的演进特征。     

深层重力流水道砂体储层预测方法及效果分析

由寻找单纯构造圈闭发展到岩性圈闭，及识别隐蔽非背斜岩性圈闭，如何准确对该圈闭进行定量化储层预测描述，以及储层预测的精度、可靠性合理评价，一直是地质研究人员关注的问题。依靠高品质地震、地质、测井、钻井、分析化验等资料，结合地球物理新技术、新方法，围绕深层重力流水道砂体如何从定性分析到定量预测这一核心问题，各种技术方法相互配合，成功地进行了多方法的砂体厚度预测、渗透砂体预测、物性参数预测。经钻井资料验证，均见到较好地质效果，为深层重力流水道砂体发育区的储层定量化预测摸索了一套行之有效的方法。