您的位置： 专家智库 > >

刘文轩

作品数：2 被引量：2H指数：1
供职机构：武汉大学测绘遥感信息工程国家重点实验室更多>>
发文基金：国家重点基础研究发展计划更多>>
相关领域：自动化与计算机技术天文地球更多>>

合作作者

文献类型

  • 2篇中文期刊文章

领域

  • 1篇天文地球
  • 1篇自动化与计算...

主题

  • 2篇遥感
  • 1篇多任务
  • 1篇多任务学习
  • 1篇遥感图像
  • 1篇遥感图像分类
  • 1篇遥感影像
  • 1篇遥感影像检索
  • 1篇影像检索
  • 1篇图像
  • 1篇图像分类
  • 1篇分辨率
  • 1篇高分辨率
  • 1篇-B

机构

  • 2篇武汉大学
  • 1篇湖南科技大学

作者

  • 2篇吴华意
  • 2篇祁昆仑
  • 2篇刘文轩
  • 1篇吴柏燕
  • 1篇沈忱

传媒

  • 1篇武汉大学学报...
  • 1篇地理与地理信...

年份

  • 1篇2018
  • 1篇2016
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
基于多任务联合稀疏和低秩表示的高分辨率遥感图像分类
2018年
多任务学习（multitask learning,MTL）是一种利用多个任务间共享信息并行学习以提高模型泛化性能的机器学习方法,研究表明该方法可以提升高分辨率遥感图像的分类精度。提出一种基于多任务联合稀疏和低秩表示（multitask joint sparse and low-rank representation,MJSLR）的高分辨率遥感图像分类模型,并采用加速近似梯度法求解凸的光滑函数和非光滑约束的组合优化问题。实验对比分析了多任务和单任务的学习模型,并比较了MJSLR、多核学习方法和多任务联合稀疏表达方法的图像分类准确率,结果表明多任务学习模型能够获得优于单任务学习模型的分类精度,而且融合低秩约束能够一定程度上提高多任务分类模型的精度。
刘文轩祁昆仑吴柏燕吴华意
关键词：多任务学习遥感图像图像分类
基于FSFDP-BoV模型的遥感影像检索被引量：2
2016年
为提高遥感影像检索的精度,提出一种基于快速查找密度峰值聚类(Fast Search and Find of Density Peaks,FSFDP)的改进视觉词袋(Bag of Visual word,BoV)模型,该方法充分利用FSFDP聚类算法分类精度高和聚类参数易于选择等优点,增强BoV模型特征量化的稳定性和可靠性。实验表明,与经典BoV模型相比,FSFDP-BoV模型能够得到更高的检索精度。
沈忱祁昆仑刘文轩吴华意
关键词：遥感影像
全选 清除 导出
共1页<1>
聚类工具0