基于遥感技术的植被分类研究现状与发展趋势

综述了国内外基于遥感技术进行植被分类的研究现状, 并提出植被分类的发展趋势:(1)从单时相、单源遥感分类向多时相、多源信息融合发展; (2)从单一分类方法向复合分类方法发展; (3)从“硬”分类向“软”分类方向发展; (4)从基于像元分类向混合像元分解分类和面向对象分类方向发展; (5)从传统分类向智能分类方向发展。     

基于迁移学习的花类图像分类方法研究

传统的花类识别方法和普通卷积神经网络模型无法对花类图像进行准确的特征提取,花类之间较高的相似性使得分类识别较难。针对以上问题,为提高图像识别率,提出一种基于VGG16网络的迁移学习方法,对花卉图像进行分类。首先对花卉图像进行数据加强,然后对数据集预训练模型进行迁移学习,修改全连接分类层,最后对优化器与激活函数进行微调,得出分类结果。实验表明：该模型在花类分类识别中比传统方法和普通卷积神经网络模型得出的准确率高,迁移后准确率达到89.10%。     

基于多源遥感的聊城市绿地空间特征研究

选取山东西部的聊城市为研究区,以Sentinel-2和Landsat-8影像为数据源,采用多尺度影像分割与面向对象分类方法,提取聊城市城区不同绿地,并选取计算了景观聚散性、景观多样性、斑块密度及差异性、邻近度等多个评价指数,分析聊城市城区绿地的空间特征.结果表明:(1)多尺度影像分割与面向对象分类方法在效率、处理速度及...     

基于颜色特征提取的四川古壁画分类识别研究

通过对四川古壁画的现场考察和特征分析,提出基于颜色特征提取的四川古壁画分类识别方法,经多次实验确定最佳方案,最后实现古壁画的自动识别系统,实验结果证明了该识别系统的有效性.     

高通量测序技术在植物病毒分类中的应用

植物病毒寄生可引起植物病毒病,甚至对植物造成毁灭性伤害.高通量测序技术(high-throughput sequencing, HTS)提供了一种快速、低成本、深度测序的解决方案,在病毒鉴定、新病毒检测和病毒基因组多样性等研究中具有优势,促进了植物病毒分类的研究.本文概述了HTS技术检测病毒的进展、在植物病毒学领域应用案例和该方法检测病毒的优缺点,旨在说明HTS技术对病毒鉴定、新病毒发现和病毒分类的重要贡献,提出新病毒检测和鉴定是亟待解决的问题,为植物病毒病的预防提供参考.     

FC-CNN:基于卷积神经网络的水果图像分类算法

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活...     

基于异同性的社区演化分类方法

动态网络中的社区演化分析是目前的研究热点之一,其在舆论控制、网络营销和个性化推荐服务等方面有着重要作用.提出一种基于节点重要性评价指标的差值吸收核心节点检测算法,首先计算各节点的相对权重值,进而划分核心节点,并以此为基础优化差异性公式,提出一种异同性社区演化分类模型,从相似性和差异性两方面对演化类型进行划分.将提出的分...     

山西麦捷煤矿不同功能区植物物种多样性研究

在野外调查的基础上,采用多样性指数法,研究了山西麦捷煤矿不同功能区植物物种多样性,结果表明:调查区植被可划分为7个群落类型,反映了矿区植物群落的主要类型。多样性指数计算结果显示,方山国家森林公园与工业场地物种组成较为丰富,主要以灌木层为主,拟建矸石沟物种丰富度较高,而新建回风立井旁生境破坏较为严重,物种多样性最低。