卷積神經(jīng)網(wǎng)絡(luò)識(shí)別地基云圖的數(shù)據(jù)庫(kù)建立及處理方法
所屬分類(lèi)：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>2643 K
標(biāo)簽： 卷積神經(jīng)網(wǎng)絡(luò) 監(jiān)督學(xué)習(xí) 樣本庫(kù)
所需積分：0分積分不夠怎么辦？
文檔介紹：卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)具有非比尋常的從樣本中學(xué)習(xí)特征的能力，訓(xùn)練需要大量帶有標(biāo)簽的圖像樣本。因此，在使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)地基云圖相關(guān)研究時(shí)，建立云圖樣本庫(kù)是第一步，也是非常重要的一步。首先，通過(guò)數(shù)碼相機(jī)直接拍攝、從互聯(lián)網(wǎng)上下載、從公開(kāi)發(fā)行的云圖類(lèi)書(shū)籍獲取以及由全天空照相機(jī)拍攝等手段獲取三個(gè)云圖樣本庫(kù)；接著，對(duì)三個(gè)樣本庫(kù)圖像的分辨率、噪聲、數(shù)量等問(wèn)題進(jìn)行了分析；然后，采用雙線性插值和數(shù)據(jù)增強(qiáng)方法對(duì)樣本庫(kù)進(jìn)行歸一化預(yù)處理；最后，利用卷積神經(jīng)網(wǎng)絡(luò)、LBP、Heinle feature和Textonbased method三種方法對(duì)增強(qiáng)后的數(shù)據(jù)集進(jìn)行云識(shí)別分類(lèi)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，利用本文方法進(jìn)行增強(qiáng)數(shù)據(jù)可有效解決卷積神經(jīng)網(wǎng)絡(luò)對(duì)小樣本數(shù)據(jù)識(shí)別率不高以及不能完整進(jìn)行網(wǎng)絡(luò)運(yùn)行的問(wèn)題，為卷積神經(jīng)網(wǎng)絡(luò)在地基云圖識(shí)別的應(yīng)用奠定基礎(chǔ)。
現(xiàn)在下載
VIP會(huì)員，AET專(zhuān)家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。