地质科技情报

2016, v.35;No.166(01) 205-211

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于卷积神经网络的不良地质体识别与分类
Identification and Classification of Adverse Geological Body Based on Convolution Neural Networks

陈冠宇;安凯;李向;

摘要(Abstract):

西部大开发战略实施以来,西部地区,尤其是新疆等地,修建高速公路成为近年来的首要任务。但是,西部海拔较高,地理环境恶劣,像沙害、盐渍土、冻土和荒漠等特殊地质体广泛分布。以新疆尉犁县罗布人村寨为研究区域,针对当地典型的不良地质体遥感影像特征,重点探讨了深度学习算法中的卷积神经网络方法在不良地质体识别与分类中的应用,实验结果对比分析表明:与K-均值分类器、SVM分类器和贝叶斯分类器对比分类精度,当样本数量较少时卷积神经网络方法优势不明显,当训练样本足够大时,其分类精度达到90%左右,优势非常明显。

关键词(KeyWords): 遥感影像;不良地质体;深度学习;分类方法;神经网络

Abstract:

Keywords:

基金项目(Foundation): 湖北省自然科学基金项目“基于高空莘分辨率RS、Li DAR和GPR的多源数据融合办法研究”(2012FFB6403)

作者(Author): 陈冠宇;安凯;李向;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享