10. 遥感图像监督分类10.1监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求， 随后用训练好的判决函数去对其他待分数据进行分类
转载
2023-12-15 13:37:37
317阅读
概述： 基于 ENVI 平台，利用该平台自带的 Landsat tm5 多光谱遥感图像作为数据源，进行监督分类应用实验，并对其分类结果进行精度比较，结果表明：6 种监督分类方法中最大似然法分类精度较高，且计算时间相对较短，更普遍适合中低分辨率多光谱遥感图像分类工作。根据具体需求，同学们可以选择
转载
2023-07-17 15:11:41
205阅读
论文：https://arxiv.org/pdf/1606.04797代码：https://github.com/faustomilletari/VNet1. 研究概述作者在本文中提出了一种基于全卷积神经网络的 3D 图像分割方法。此外，本文引入了一个新的基于 Dice 系数的目标函数，以处理前景和背景体素数量严重不平衡的情况。为了解决带注释的训练集有限的问题，本文应用随机非线性变换和直方图匹配来
转载
2023-11-27 09:48:11
296阅读
（一）非监督分类方法有两种，Isodata 和K-means。1、K—均值分类算法1）打开待分类的遥感影像数据2）依次打开：ENVI主菜单栏—>Classification—>Unsupervised—>K—Means即进入K均值分类数据文件选择对话框。3）选择待分类的数据文件。4）选好数据以后，点击OK键，进入K-Means参数设置对话框，进行有关参数的设置，包括分类的类数、分
转载
2023-11-26 14:04:00
1114阅读
最近协助同学做了完整的监督分类数据，特此记录下来。对于ENVI监督分类，是每一个遥感从业者掌握的最基础的一个方法，但是完整的监督分类流程和精度评价，估计往往认识不够，所以以下的分享还是有点意义。监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练样本
转载
2024-01-13 14:12:38
218阅读
一、实验名称：分类后处理二、实验目的：分类后处理三、实验内容和要求：1.Majority和Minority分析。2．聚类处理(Clump)。3.过滤处理（Sieve）。4.分类统计。5．分类叠加。6．分类结果转矢量。四、实验步骤：一：Majority和Minority分析1.打开分类结果——"can_tmr_class.dat”。2.打开Majority/Minority分析工具，路径为Toolb
转载
2023-10-17 21:05:18
629阅读
1、envi 中几种分类方法的参数怎么设置？envi 中几种分类方法的参数设置方法如下： 1、平行六面体 （1）在主菜单中，选择Classification->Supervised->Parallelpiped，在文件输入对话框中选择TM分类影像，单击OK按钮打开Parallelpiped参数设置面板。 （2）SelectClasses from Regions：单击Select Al
转载
2023-09-19 07:17:48
914阅读
引言本文基于BP神经网络对变压器的故障进行分类和诊断。变压器根据五种特征气体对应四种故障类型（高能放电、低能放电、过热和正常）。对已知类型的训练样本进行计算，构造BP神经网络，然后对测试样本进行分类。该方法的正确率达88%。 变压器是电力系统中分布广泛、造价昂贵、结构复杂的电气设备,担负着电能传送和电压转换的重任,其正常运行直接影响了整个电力系统的安全性和稳定性。对油浸式变压器来说,随着运行的持续
转载
2023-06-30 22:00:34
126阅读
枯燥公式先不看个人感觉最开始如果就看公式的话，不如先举一个实例让大家了解。因为公式往往过于抽象难懂，而实例却形象容易被人记住。在讲这个之前，大家先稍微看下下面几张图： 多层感知机的隐层计算形式为：H = (XW) 即：特征矩阵乘以权重矩阵。其中X为特征矩阵，W为参数矩阵。 图神经网络的隐层计算形式为：H = (AXW) 这里多了一个邻接矩阵A：三个矩阵相乘再加上一个非线性变换（对应上面图的）。好，
转载
2023-08-08 11:00:34
86阅读
1. 算法简介SOM神经网络[11]是由芬兰神经网络专家Kohonen教授提出的，该算法假设在输入对象中存在一些拓扑结构或顺序，可以实现从输入空间(n维)到输出平面(2维)的降维映射，其映射具有拓扑特征保持性质,与实际的大脑处理有很强的理论联系。自组织映射神经网络， 即Self Organizing Maps (SOM)， 可以对数据进行无监督学习聚类。它的思想很简单，本质上是一种只有输入层--隐
转载
2023-08-13 23:26:59
130阅读
RNNGNN与RNN对比实践介绍一、环境设置二、数据准备2.1 参数设置2.2 对齐数据2.3 用Dataset 与 DataLoader 加载三、模型配置四、模型训练五、模型评估六、模型预测 GNN与RNN对比先进行一波拉踩全连接神经网络存在的问题：输入和输出的维数都是固定的网络的输出只依赖于当前的输入位置无关性循环神经网络通过使用带自反馈（隐藏层）的神经元，能够处理任意长度的序列。循环神经网
转载
2023-11-19 13:21:19
46阅读
学习利用DGL进行批次化训练图分类模型。这是一个图层面的任务。
图形分类是生物信息学，化学信息学，社会网络分析，城市计算和网络安全等许多领域应用的重要问题。 将图神经网络应用于此问题是最近流行的方法。一、数据集已知有一以下几种类型的形状及其类型，需训练一个相应的分类模型。 该数据集为DGL的MiniGCDataset。首先，导入所有要使用的模块。import dgl
from d
转载
2024-03-03 19:48:24
123阅读
Evolving Taxonomy Based on Graph Neural Networks摘要分类法是人类对领域知识的理解和组织。在这个知识爆炸的世界中，如何自动进化分类法变得至关重要。在本文中，我们介绍了一种以半监督学习方式自动更新分类法的模型。在我们的模型中，目标是训练一个图神经网络模型，该模型可以有效地将新添加术语与现有术语之间的边分类为三种类型：真正的下位词-上位词关系、转导下位词-
转载
2023-10-11 06:11:39
94阅读
图的结构一般来说是十分不规则的，可以认为是无限维的一种数据，所以它没有平移不变性。每一个节点的周围结构可能都是独一无二的，这种结构的数据，就让传统的CNN、RNN瞬间失效。所以很多学者从上个世纪就开始研究怎么处理这类数据了。这里涌现出了很多方法，例如GNN、DeepWalk、node2vec等等，GCN只是其中一种。GCN，图卷积神经网络，实际上跟CNN的作用一样，就是一个特征提取器，只不过它的对
转载
2023-11-20 22:01:42
80阅读
1. 随机森林简介随机森林是一种有监督的机器学习算法。监督学习是机器学习的一个子类。这种类型的学习依赖于分类标签，以生成一个函数（模型）来识别图像中的不同类别。有两种类型的分类问题，二元分类和多类分类。随机森林由于其准确性，简单性和灵活性，现已成为最广泛使用的分类算法之一。随机森林是基于Bagging的决策树方法，其核心是bagging算法，原理如下：给定一个大
转载
2023-12-07 23:17:12
342阅读
这篇我们将开始介绍神经网络的基础：逻辑回归（Logistic Regression）。通过对逻辑回归模型结构的分析，为我们后面学习神经网络模型打下基础。 主要内容： 1、二分类问题；2、逻辑回归及其对应的代价函数形式；3、用计算图描述神经网络的正向、反向传播过程；4、在逻辑回归中使用梯度下降算法。1. Binary Classification逻辑回归模型一般用来解决二分类问题。 二分类指的
转载
2023-11-23 15:50:07
63阅读
使用深度学习 ENVI深度学习过程概述深度学习是机器学习的一种更复杂的形式，它使系统能够自动发现数据中的表示形式。深度学习与机器学习的不同之处在于，它能够在没有外部指导或干预的情况下自行不断改进预测的能力。深度学习算法通过遍历神经网络中的所有层来得出结论来学习模式，这类似于大脑如何处理信息。对于遥感，深度学习尝试发现图像中的空间和光谱表示。它通常用于识别特征，例如车辆、公用设
转载
2023-09-27 18:56:56
703阅读
论文：Going deeper with convolutions一．主要内容文章主要构建了一种名为Inception的结构，是Inception四篇中的第一篇，使用Inception所构建的一个典型的22层的深层网络结构GoogLeNet获得了2014年ILSVRC的冠军，是当时最好的图像分类和检测方法。二．Motivation改善深层神经网络性能最简单的方法就是增加它的深度和宽度，但是这种方法
转载
2023-10-18 17:55:16
57阅读
# RBF神经网络在实际问题中的应用
## 引言
RBF（Radial Basis Function）神经网络是一种常用的神经网络模型，它在解决各种实际问题中具有广泛的应用。本文将介绍RBF神经网络的原理，并以一个实际问题为例，演示如何使用RBF神经网络进行预测。
## RBF神经网络原理
RBF神经网络是一种两层结构的神经网络模型，由输入层、隐藏层和输出层组成。其工作原理如下：
1. 输入
原创
2023-12-27 04:58:59
410阅读
CNN 网络应该如何设计？回答1：网络多一层和少一层, 好像没什么区别. 但这样一层层测试调参未免太狗血了.一种挺好的方法是:设计一种或几种block(这block由几层网络构成), 然后堆这种block.这样看起来舒服多了,参考resnet网络结构(其实很多优秀网络都是这样的设计)至于每层的通道数, VGG有个设定是: 输出的featuremap大小相同时,卷积核个数也相同输出的feature
转载
2023-11-03 09:48:24
71阅读
