修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

4 条数据
?? 中文（中国） ▾

  • 基于多级模糊深度表示的多光谱影像无监督变化检测

    摘要： 遥感影像变化检测为多种应用提供了有用信息。本文提出一种基于深度置信网络（DBN）和模糊推理系统（FIS）的多光谱影像分析稳健方法。首先从影像中提取欧氏距离和余弦角距离特征。深度学习作为稳健的机器学习方法，通过设定线性映射处理提取的特征并实现变化检测。然而模糊影像分类采用粗空间分辨率来指示类别比例强度变化，而非通过离散土地覆盖类别进行变化分析。因此将FIS与DBN结合，可自定义规则实现精准变化检测。该方法采用三角隶属函数绘制变化图谱。实验结果表明，所提方法通过提升性能参数增强了变化检测效果。

    关键词： 变化检测、模糊推理系统、多光谱影像、深度置信网络

    更新于2025-09-23 15:14:12

  • 基于变分模态分解与最大相关最小冗余的光伏输出预测

    摘要： 光伏输出受太阳辐照度、环境温度、瞬时云团等因素影响，其输出序列呈现明显的间歇性和随机性特征，这给光伏输出预测带来极大困难。针对光伏发电可预测性低的问题，本文提出一种基于变分模态分解（VMD）、最大相关最小冗余（mRMR）和深度置信网络（DBN）的组合式光伏输出预测方法。该方法利用VMD将光伏输出序列分解为不同特性的模态分量，通过mRMR确定各模态分量的主要特征因子，再采用DBN模型对各模态分量及其对应特征因子进行拟合，最后将各模态分量的预测结果叠加得到光伏输出的预测值。通过采用云南某光伏电站数据进行对比实验，发现本文提出的模型提高了光伏输出的预测精度。

    关键词： mRMR、光伏输出预测、特征选择、深度置信网络、变分模态分解

    更新于2025-09-11 14:15:04

  • 基于FCM与CG-DBN组合的光伏功率短期预测

    摘要： 受多种因素影响，光伏输出功率具有非线性、波动性和不稳定性特征。因此，短期预测模型需具备多输入、多层次和多类别特性。为解决上述问题并提高预测精度，本文提出一种基于相似日聚类与共轭梯度法改进深度置信网络的组合模型预测方法。该方法首先采用模糊C均值聚类算法（FCM）根据隶属度对原始数据进行相似日聚类，进而针对不同类别设计CG-DBN预测模型，最终用于光伏输出功率的短期预测。研究以浙江龙游电站数据为例进行实验验证，并将预测结果与反向传播神经网络模型、支持向量机（SVM）模型及传统深度置信网络进行对比分析。结果表明：在光伏功率短期负荷预测中，FCM与CG-DBN组合预测模型的性能优于上述三种模型，在光伏功率短期预测中具有较强可行性。

    关键词： 深度置信网络、光伏短期预测、相似日聚类、组合预测模型

    更新于2025-09-11 14:15:04

  • [IEEE 2018年第37届中国控制会议(CCC) - 武汉(2018.7.25-2018.7.27)] 2018年第37届中国控制会议(CCC) - 基于卷积神经网络的高光谱图像目标检测

    摘要： 卷积神经网络（CNN）已成功应用于图像分类和目标检测领域，但鲜少被引入高光谱图像（HSI）目标检测。为此，本文提出一种基于CNN的高光谱图像目标检测方法。首先对原始HSI数据进行预处理以获取光谱信息；其次通过训练CNN提取特征信息，并根据高光谱数据调整网络参数；最后依据提取的特征实现目标校准。为评估该方法的目标检测性能，在真实AVIRIS高光谱实验中与深度置信网络（DBN）和支持向量机（SVM）方法进行对比。数值结果表明，该方法在高光谱目标检测领域具有良好应用前景。

    关键词： 目标识别、遥感图像、深度置信网络、深度学习、卷积神经网络

    更新于2025-09-09 09:28:46