排序方式: 共有4条查询结果,搜索用时 62 毫秒
1
1.
针对传统DCNN(Deep Convolutional Neural Networks)模型中Softmax分类层存在的过早饱和及模型参数采用随机初始化训练时间长、识别准确率低的问题,提出一种将噪声注入Softmax并结合迁移学习的图像分类方法.首先,根据对Softmax饱和问题探究,对比注入的噪声参数选取对识别率的影响来找到最佳情况,从而产生更为宽泛的梯度并起到延迟饱和的作用;然后,利用公开预训练模型参数来代替随机初始化参数,并比较冻结不同卷积层对模型的影响;最后,在MNIST和CIFAR-10图像分类数据集上实验,证明所提方法具有良好的识别效果. 相似文献
2.
3.
在采集、整理和鉴定我国7个植物标本馆中收藏的中国莎草科Cyperaceae薹草属Carex标本的过程中,发现了1个中国新记录种和15个省级分布新记录种.玄界萌黄薹草Carex genkaiensis为在浙江省发现的中国分布新记录;陕西新记录种有肿喙薹草C.oedorrhampha,甘肃新记录种有华山薹草C.huashanica和泽库薹草C.zekogensis,河南新记录种有华山薹草,安徽新记录种有眉县薹草C.meihsienica,浙江新记录种有等高薹草C.aequialta和褐穗薹草C.sabynensis,江西新记录种有硬果薹草C.sclerocarpa和横纹薹草C.rugata,广西新记录种有茶色薹草C.fulvorubescens,湖北新记录种有反折果薹草C.retrofracta,湖南新记录种有拟穿孔薹草C.foraminatiformis、肿喙薹草、反折果薹草和近蕨薹草C.subfilicinoides,四川新记录种有华山薹草和毛囊薹草C.inanis,重庆新记录种有拟穿孔薹草,贵州新记录种有拟柔果薹草C.submollicula,云南新记录种有硬果薹草,西藏新记录种有密花薹草C.confertiflora. 相似文献
4.
利用MODIS近红外数据反演大气水汽含量研究 总被引:2,自引:0,他引:2
大气水汽含量(precipitable water vapor, PWV)对遥感定量化及生态环境方面研究具有重要意义。针对传统水汽探测方法存在的问题,提出一种基于多通道表观反射率的ICIBR(improved continuum interpolated band ratio)水汽遥感反演方法。该方法结合MODIS数据第17,18和19三个近红外通道的水汽吸收特点,利用MODTRAN模型模拟大气含水量与三个通道ICIBR之间的关系,构建了适用于MODIS数据的ICIBR大气水汽含量定量反演模型。基于提出的ICIBR水汽反演方法,选择北美洲南部典型干旱、半干旱区德克萨斯州、俄克拉荷马州等地区为研究区,使用不同时间的四期MODIS 1B数据进行水汽反演实验。同时,选择SuomiNet提供的GPS水汽地基观测数据对反演结果进行精度验证以及MODIS大气水汽产品(MOD05)进行对比评价。验证和对比结果表明:该算法水汽反演结果与GPS水汽实测数据具有较高的一致性(r=0.967),均方根误差为0.276 cm,有71.08%的观测点对满足水汽反演误差精度(EE~±0.05+0.15PWVgps)要求,同时与MOD05大气水汽产品相比,该方法在反演精度和准确估计方面有了较大提高,能够有效降低61%的水汽反演高估现象。该方法较传统算法更为简易、实用,具有较高的整体水汽反演精度。 相似文献
1