石漠化是我國三大自然生態(tài)災(zāi)害之一,受自然和人類不合理的經(jīng)濟(jì)生產(chǎn)、生活活動(dòng)等因素導(dǎo)致的地域性劣變,使得原有的、可利用的土地資源大幅度減少,水資源遭到污染,生物資源的生存條件喪失。近年來,國家高度重視生態(tài)文明建設(shè),石漠化也是制約西南地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展最為嚴(yán)重的生態(tài)問題,為了遏制石漠化面積擴(kuò)大,國家開展系列石漠化綜合治理工程,并針對(duì)治理成效進(jìn)行了監(jiān)測評(píng)估。傳統(tǒng)的石漠化監(jiān)測方法有目視解譯、監(jiān)督分類、基于知識(shí)的模型構(gòu)建以及基于特征信息的提取等。遙感技術(shù)因其具有獲取信息速度快、探測范圍廣、信息量大等特點(diǎn),作為及時(shí)準(zhǔn)確獲取地理信息的一個(gè)重要手段,已成為石漠化動(dòng)態(tài)監(jiān)測及調(diào)查的主要方法。傳統(tǒng)的小區(qū)域的石漠化調(diào)查主要通過遙感影像提取相關(guān)的石漠化信息,但因遙感影像的質(zhì)量、分辨率、信息提取的方法等因素受限,該方法提取結(jié)果的精度存在很大的不確定性。深度學(xué)習(xí)方法作為新興發(fā)展起來的一種機(jī)器學(xué)習(xí)方法,已被廣泛用于圖像識(shí)別,該方法將傳統(tǒng)地物分類方法轉(zhuǎn)向深度學(xué)習(xí),從而完成高分影像的地物分類。裸巖率作為石漠化等級(jí)評(píng)定的一個(gè)重要指標(biāo),對(duì)其科學(xué)快速地運(yùn)算,是石漠化等級(jí)劃分和石漠化地區(qū)信息提取的基礎(chǔ)。石漠化地區(qū)巖石大小不一,且顏色... 

【文章來源】：蘭州理工大學(xué)甘肅省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

超平面

圖 2.3 sigmiod 函數(shù)圖像tanh 函數(shù)：nh 函數(shù)是雙曲正切函數(shù)，tanh 函數(shù)圖像和 sigmoid 函數(shù)的圖像是比下圖 2.4 所示。首先兩個(gè)函數(shù)相同的是在輸入無論很大還是很小的非常平滑，且梯度很小，即斜率很小，是不利于權(quán)重更新的；而不間，tanh 函數(shù)的輸出區(qū)間是在(-1,1)之間，而且整個(gè)函數(shù)是以 0 為中點(diǎn)比 sigmod 的好[46]。函數(shù)公式和圖形表達(dá)如下圖：tanh( ) =

圖 2.3 sigmiod 函數(shù)圖像2）tanh 函數(shù)：tanh 函數(shù)是雙曲正切函數(shù)，tanh 函數(shù)圖像和 sigmoid 函數(shù)的圖像是比較如下圖 2.4 所示。首先兩個(gè)函數(shù)相同的是在輸入無論很大還是很小的時(shí)都非常平滑，且梯度很小，即斜率很小，是不利于權(quán)重更新的；而不同區(qū)間，tanh 函數(shù)的輸出區(qū)間是在(-1,1)之間，而且整個(gè)函數(shù)是以 0 為中心特點(diǎn)比 sigmod 的好[46]。h 函數(shù)公式和圖形表達(dá)如下圖：tanh( ) =

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的激光遙感圖像特征識(shí)別[J]. 俞淑燕,魏哲.  激光雜志. 2019(02)
[2]基于深度學(xué)習(xí)的高分辨率遙感影像建筑物提取方法[J]. 范榮雙,陳洋,徐啟恒,王競雪.  測繪學(xué)報(bào). 2019(01)
[3]神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用[J]. 汪煜純.  通訊世界. 2019(01)
[4]基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像分類算法綜述[J]. 崔璐,張鵬,車進(jìn).  計(jì)算機(jī)科學(xué). 2018(S1)
[5]五大深度學(xué)習(xí)框架介紹[J]. 本刊訊.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2018(05)
[6]基于深度學(xué)習(xí)的無人機(jī)影像車輛識(shí)別[J]. 項(xiàng)陽.  信息與電腦(理論版). 2018(09)
[7]無人機(jī)高分辨率遙感影像地震滑坡信息提取方法[J]. 付蕭,郭加偉,劉秀菊,魯恒,楊正麗,項(xiàng)霞.  地震研究. 2018(02)
[8]基于面向?qū)ο蠓诸惖拇笮鸵吧巢輨?dòng)物識(shí)別方法——以青海三江源地區(qū)為例[J]. 羅巍,邵全琴,王東亮,汪陽春.  野生動(dòng)物學(xué)報(bào). 2017(04)
[9]一種結(jié)合深度置信網(wǎng)絡(luò)與最優(yōu)尺度的植被提取方法[J]. 劉祖瑾,楊玲,劉祖涵,段琳琳,喬賢賢,龔嬌嬌.  激光與光電子學(xué)進(jìn)展. 2018(02)
[10]基于深度學(xué)習(xí)的高光譜遙感影像分類[J]. 朱壽紅,王勝利,舒幫榮.  城市勘測. 2017(04)

碩士論文
[1]銑削刀具磨損識(shí)別關(guān)鍵技術(shù)研究[D]. 畢淞澤.哈爾濱理工大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的前列腺M(fèi)R圖像語義分割方法研究[D]. 王佳.天津工業(yè)大學(xué) 2019
[3]基于深度學(xué)習(xí)的無人機(jī)遙感圖像目標(biāo)識(shí)別方法研究[D]. 祝思君.北京建筑大學(xué) 2018
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的多通道圖像超分辨方法[D]. 李金航.南京理工大學(xué) 2018
[5]基于深度學(xué)習(xí)的遙感圖像目標(biāo)分類的研究[D]. 張濤.中北大學(xué) 2018
[6]基于深度學(xué)習(xí)的同步碎石封層碎石覆蓋率檢測算法研究[D]. 尹世豪.鄭州大學(xué) 2018
[7]基于堆棧式降噪自動(dòng)編碼器的概率潮流計(jì)算方法[D]. 任鵬凌.重慶大學(xué) 2018
[8]基于多尺度多特征融合的遙感影像建筑物自動(dòng)提取[D]. 吳柳青.武漢大學(xué) 2018
[9]基于深度學(xué)習(xí)的高分辨率遙感影像道路自動(dòng)提取研究[D]. 鐘傳琦.電子科技大學(xué) 2018
[10]一種非直線型的文字檢測與識(shí)別方法[D]. 吳昊.大連理工大學(xué) 2018



本文編號(hào)：3399703