共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
针对斜坡堤越浪量预测方法,分别建立集成神经网络(ensemble neural network,ENN)、随机森林(random for-eset,RF)和支持向量回归机(suppport vector regression,SVR)3种机器学习模型对斜坡堤越浪量进行预测,并利用决定系数R2和均方根误差RMSE来评估模型性能.最后,对3种模型的性能进行分析.结果显示,集成神经网络模型的决定系数R2和均方根误差RM S E分别约为0.96和0.0018,随机森林模型的决定系数R2和均方根误差RMSE分别约为0.97和0.0014,支持向量回归机模型的决定系数R2和均方根误差RMSE分别约为0.94和0.002.对比发现,3种模型的决定系数都达到0.9以上,都具有较高的预测精度,随机森林相比其他两个模型精度更高. 相似文献
5.
基于单一方法和单一数据源的遥感图像复杂信息挖掘的精度和可靠性不高。而深度学习为代表的人工智能方法为高分辨率遥感地物信息挖掘提供了新的手段。着眼于城市化的精准监测和精细管理需求,本文选取西安市空港新城作为研究区,建立适合中国城市的高分遥感土地利用数据集。通过微调最先进的卷积神经网络模型,从遥感图像中提取有价值的颜色和纹理特征,得到高精度的地物分类结果;利用多源数据对模型分类精度进行交叉验证,在此基础上基于空间分析识别复杂目标;引入共享单车数据进行土地利用建模,挖掘影响城市发展的关键因素。我们将3S技术和人工智能技术应用到土地利用制图与分析中,为城市地理学精细化和定量化研究做出有价值的尝试。 相似文献
6.
7.
随着上网用户的增多,人们在网络上贡献了各式各样的文献,这些文献形成了海量的文本数据,潜藏着巨大的价值。文献的文类和整理是一项非常具有挑战性的工作,抽取文档特征信息成了目前重要研究方向之一。针对传统方法对文本数据的特征提取时,文本特征维数大、处理效率低等问题,文章设计了基于卷积神经网络的文本特征提取方法,搭建了卷积神经网络模型,选取了卷积神经网络的各项参数,实验的输入数据集为中文语料库中的文本,使用Word2vec工具集进行文本向量转换,对文本特征提取采用卷积神经网络算法,通过K-means聚类算法对文本特征进行验证,验证了本文设计的基于卷积神经网络的文本特征提取方法的有效性。 相似文献
8.
《西部大开发》2019,(11)
研究土地利用类型分类对土地规划有着重要的意义。遥感技术对土地利用类型分类提供技术性支持。随着遥感技术的不断发展,遥感影像分类方法不断涌现,不同的分类方法会有精度不一的问题,对其在土地利用类型分类中产生了一定的影响。本文以西安市未央区为研究区域,依据landsat8 OLI影像,采用最小距离分类法、马氏距离分类法、支持向量机分类法、神经网络分类法和最大似然分类法,对研究区进行土地利用类型分类,并对其分类结果进行精度比较。结果表明:总体上看,最大似然分类法的Kappa系数和整体分类精度均高于其他分类方法,其次为神经网络分类法、支持向量机分类法、马氏距离分类法、最小距离分类法。从不同土地利用类型来看,相较于其他分类方法,最大似然法仍表现出理想的分类效果。本研究可以对土地利用分类方法的选择提供理论依据,以期为今后的土地利用工作提供决策性支持。 相似文献