基于EDRNet模型的高分辨率遥感影像道路提取

针对高分辨率遥感影像道路提取结果不完整、边界质量差的问题,提出基于EDRNet模型的遥感影像道路提取方法。利用残差网络构建道路提取模型EDR1,保留道路的细节信息并加速网络收敛。通过融合多尺度、多层次的道路特征信息,设计道路提取结果优化模型EDR2。在此基础上,利用混合损失函数,提高道路提取的完整度。实验结果表明,EDRNet道路提取方法在马萨诸塞州道路数据集上的召回率、精确率和F1-score指标分别达到了84.4%、81.7%及83.0%,其结果完整且准确。

基于SPUD-ResNet的遥感影像道路提取网络

针对遥感影像中道路目标细节丰富且呈带状分布的特点,造成狭长的道路结构提取困难的问题,设计并实现了一种基于SPUD-ResNet的道路提取方法。该方法利用空洞卷积构建残差网络编码器,并通过跳跃连接与对应解码器相连,有效加速网络的收敛并保留道路的细节信息;为了更有效地捕获狭长道路结构的长距离依赖关系,分别构建条形池化模块和混合池化模块,增强网络对条形道路结构特征的获取能力;利用道路结构的几何信息和结构相似性指数设计混合损失函数,精细化道路边界,去除道路提取结果中的模糊预测。在Massachusetts Roads数据集上的实验结果表明,所提方法在召回率、精确度和F1-score指标分别达到了83.4%、84.5%和83.9%,提升了道路提取的效果。

零售户价值分析应用研究

“十四五”时期对于整个中国社会和经济而言,是战略机遇与危机挑战并存的时期,也是提升传统动能、培育新动能的关键时期。目前,中国烟草行业已经进入建设现代化烟草经济体系促进行业高质量发展的新阶段。如何改变传统单线营销,更快触达消费者,把控消费信息并以此倒逼产品升级成为了现代化烟草市场中决胜速赢的关键。本文以河南中烟CRM客户管理系统中的零售户信息作为数据基础,通过K-Means聚类算法进行数据整合,利用RFM价值分析模型对零售户价值进行分级并建立价值矩阵,探索河南中烟黄金烟天叶规格卷烟的市场表现。

零售户价值预测分析应用研究

“十四五”时期,烟草行业面临社会环境发生巨大变革的挑战。从行业现状来说,烟草市场面临消费需求日益多元化、市场竞争日趋激烈、销售结构提升矛盾突出等问题。随着数字技术的不断发展,数据驱动逐渐成为烟草行业的新推手。零售户数据作为最基本的数据来源,可以帮助企业有针对性地优化市场布局。本文以河南中烟CRM客户管理系统中的零售户信息为数据基础,以CRISP-DM(Cross Industry Standard Process forData Mining)为研究框架,结合逻辑回归、ARIMA时间序列、BP神经网络等机器学习和深度学习模型,对黄金叶(天叶)规格卷烟在2021年第四季度的销售数据进行建模验证,助力精准把控未来零售户价值走向。