深度學(xué)習(xí)憑借其強(qiáng)大的深層特征提取和特征組合能力,能充分表示大規(guī)模數(shù)據(jù)內(nèi)部復(fù)雜的非線性關(guān)系,已在行業(yè)數(shù)據(jù)應(yīng)用中顯示了突出優(yōu)勢,是當(dāng)前計(jì)算機(jī)科學(xué)領(lǐng)域研究熱點(diǎn)之一。計(jì)算機(jī)性能的不斷提高為深度學(xué)習(xí)網(wǎng)絡(luò)層級增加提供了條件支撐,同時(shí)也給我們構(gòu)建學(xué)習(xí)模型和訓(xùn)練參數(shù)理解帶來了重大挑戰(zhàn)。論文圍繞當(dāng)前深度學(xué)習(xí)的模型構(gòu)建與參數(shù)訓(xùn)練兩大關(guān)鍵問題展開研究,基于高光譜遙感數(shù)據(jù),面向滑坡災(zāi)害檢測目標(biāo),綜合研究了主流深度學(xué)習(xí)模型及特點(diǎn),探索了模型構(gòu)建機(jī)理及訓(xùn)練目標(biāo)函數(shù)的確定方法,總結(jié)分析了機(jī)器學(xué)習(xí)常用優(yōu)化算法和逃離局部最優(yōu)的策略。最后,立足高光譜遙感數(shù)據(jù)特點(diǎn)和滑坡目標(biāo)遙感特征,完成了深度學(xué)習(xí)在地質(zhì)災(zāi)害領(lǐng)域的典型應(yīng)用。論文的主要研究內(nèi)容和研究特色如下:（1）在研究深度學(xué)習(xí)算法的構(gòu)建思路及背后物理意義的基礎(chǔ)上,以特征驅(qū)動(dòng)分類的思想,綜合分析了深度學(xué)習(xí)算法對數(shù)據(jù)內(nèi)部非線性特征的映射能力,通過對比分析不同的網(wǎng)絡(luò)模型在不同數(shù)據(jù)集中的特征聚合優(yōu)勢,給出了更有效的模型合并策略。（2）對優(yōu)化算法的深度學(xué)習(xí)模型穩(wěn)定性影響進(jìn)行了系統(tǒng)研究,結(jié)合常規(guī)優(yōu)化算法的推導(dǎo)過程,深入分析了深度學(xué)習(xí)優(yōu)化算法的特點(diǎn),探索了應(yīng)對大規(guī)模高維樣本數(shù)據(jù)的科學(xué)解決... 

【文章來源】：成都理工大學(xué)四川省

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)研究現(xiàn)狀
        1.2.2 遙感滑坡檢測研究現(xiàn)狀
    1.3 主要研究工作
第2章 深度學(xué)習(xí)理論與方法
    2.1 機(jī)器學(xué)習(xí)方法
        2.1.1 淺層與深層特征學(xué)習(xí)
        2.1.2 淺層機(jī)器學(xué)習(xí)算法與缺點(diǎn)
    2.2 深度學(xué)習(xí)關(guān)鍵問題
        2.2.1 深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建
        2.2.2 深度學(xué)習(xí)訓(xùn)練過程
    2.3 深層網(wǎng)絡(luò)模型
        2.3.1 深度置信網(wǎng)絡(luò)
        2.3.2 堆棧式自編碼器
        2.3.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 優(yōu)化算法
        2.4.1 傳統(tǒng)優(yōu)化算法
        2.4.2 現(xiàn)代優(yōu)化算法
    2.5 深度學(xué)習(xí)參數(shù)優(yōu)化
        2.5.1 深度學(xué)習(xí)優(yōu)化算法
        2.5.2 防止過擬合
    2.6 本章小結(jié)
第3章 高光譜遙感與滑坡災(zāi)害特征
    3.1 高光譜遙感成像原理
    3.2 高光譜遙感數(shù)據(jù)特征
        3.2.1 實(shí)驗(yàn)數(shù)據(jù)簡介
        3.2.2 高光譜數(shù)據(jù)特征
    3.3 滑坡災(zāi)害目標(biāo)概述
        3.3.1 滑坡地質(zhì)災(zāi)害
        3.3.2 滑坡影像特征
        3.3.3 滑坡影響因子
    3.4 本章小結(jié)
第4章 基于深度學(xué)習(xí)的滑坡檢測模型設(shè)計(jì)與實(shí)現(xiàn)
    4.1 約束條件下基于DBN的滑坡檢測模型
    4.2 約束條件下聯(lián)合DBN和DCNN的滑坡檢測方法
    4.3 實(shí)驗(yàn)分析與驗(yàn)證
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)處理
        4.3.2 RBM的光譜的重構(gòu)
        4.3.3 DBN網(wǎng)絡(luò)深度對分類的影響
        4.3.4 卷積網(wǎng)絡(luò)對滑坡特征的提取
        4.3.5 滑坡檢測效果比較
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 研究結(jié)論
    5.2 研究展望
致謝
參考文獻(xiàn)
攻讀碩士期間取得研究成果


【參考文獻(xiàn)】：
期刊論文
[1]無人機(jī)遙感數(shù)據(jù)處理與滑坡信息提取[J]. 陳天博,胡卓瑋,魏錸,胡順強(qiáng).  地球信息科學(xué)學(xué)報(bào). 2017(05)
[2]最優(yōu)分割尺度的滑坡信息提取[J]. 雍萬鈴,楊樹文,張立峰,楊猛.  測繪科學(xué). 2017(03)
[3]無人機(jī)在強(qiáng)震區(qū)地質(zhì)災(zāi)害精細(xì)調(diào)查中的應(yīng)用研究[J]. 王帥永,唐川,何敬,張衛(wèi)旭,方群生,程霄.  工程地質(zhì)學(xué)報(bào). 2016(04)
[4]Optimizing Hotspot Areas for Ecological Planning and Management Based on Biodiversity and Ecosystem Services[J]. XIAO Yang,OUYANG Zhiyun,XU Weihua,XIAO Yi,ZHENG Hua,XIAN Chaofan.  Chinese Geographical Science. 2016(02)
[5]受限波爾茲曼機(jī)[J]. 張春霞,姬楠楠,王冠偉.  工程數(shù)學(xué)學(xué)報(bào). 2015(02)
[6]滑坡高分辨率遙感多維解譯方法及其應(yīng)用[J]. 魯學(xué)軍,史振春,尚偉濤,周和頤.  中國圖象圖形學(xué)報(bào). 2014(01)
[7]滑坡圖像自動(dòng)識別淺議[J]. 王治華.  地球信息科學(xué)學(xué)報(bào). 2013(05)
[8]典型滑坡遙感影像特征研究[J]. 童立強(qiáng),郭兆成.  國土資源遙感. 2013(01)
[9]汶川震區(qū)北川縣城泥石流源地特征的遙感動(dòng)態(tài)分析[J]. 唐川,丁軍,梁京濤.  工程地質(zhì)學(xué)報(bào). 2010(01)
[10]汶川地震山地災(zāi)害遙感快速提取及其分布特點(diǎn)分析[J]. 蘇鳳環(huán),劉洪江,韓用順.  遙感學(xué)報(bào). 2008(06)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用研究[D]. 張效榮.西安電子科技大學(xué) 2015
[2]深度網(wǎng)絡(luò)模型構(gòu)建及學(xué)習(xí)算法研究[D]. 李倩.西安電子科技大學(xué) 2014
[3]絕對值方程的廣義牛頓算法及其收斂性[D]. 魏慶舉.北京交通大學(xué) 2009



本文編號：3444917