期刊文献+
共找到22篇文章
< 1 2 >
每页显示 20 50 100
基于深度神经网络的台风中心定位方法
1
作者 郑宗生 沈绪坤 +1 位作者 王振华 卢鹏 《热带气象学报》 CSCD 北大核心 2024年第3期341-351,共11页
台风中心定位的微小误差会对台风路径预报造成较大的偏离,因此精确定位台风中心是台风路径预测和灾害预报的重要步骤。台风云系随时间不断变化且风力强弱不一,在卫星云图中呈现了多样性和复杂性,现有基于神经网络的模型由于缺少对台风... 台风中心定位的微小误差会对台风路径预报造成较大的偏离,因此精确定位台风中心是台风路径预测和灾害预报的重要步骤。台风云系随时间不断变化且风力强弱不一,在卫星云图中呈现了多样性和复杂性,现有基于神经网络的模型由于缺少对台风特征图像多维度参数的权重合理分配,在自动提取台风图像特征上受到了限制。为此,提出一种融合通道注意力与坐标注意力的神经网络模型(TY-LOCNet),首先搭建深度卷积神经网络模型提取台风特征;其次引入通道注意力机制从台风特征中捕获通道级别的信息,提升模型对重要通道的关注度;然后将通道注意力结果输入到坐标注意力机制中全局标定台风位置信息,使模型能够在较大的区域关注到台风的形态结构;此外,均方误差损失函数未能融合计算坐标导致定位精度低,因此提出距离损失函数(DISTLoss)通过距离回归提高模型定位精度。实验结果表明,TY-LOCNet的平均位置误差(MLE)、平均定位误差(MAE)和检测速度分别为3.502像素,0.292°和17 FPS,优于其他模型。台风中心定位模型TY-LOCNet可为台风预报提供实时性台风中心定位支持。 展开更多
关键词 台风中心定位 注意力机制 神经网络 距离损失函数
下载PDF
基于改进极模变换的柔性直流输电系统断线故障分析与辨识
2
作者 郑宗生 张巍 +3 位作者 廖建权 周念成 王渝红 王强钢 《电力系统自动化》 EI CSCD 北大核心 2024年第5期137-145,共9页
断线故障的故障特性分析是制定断线保护方案的基础。首先,文中以金属回线双极直流系统为对象,根据直流系统中模块化多电平换流器(MMC)在故障前后的状态变化,基于叠加定理得出MMC在直流系统发生故障时的等效电路模型,构建直流系统断线故... 断线故障的故障特性分析是制定断线保护方案的基础。首先,文中以金属回线双极直流系统为对象,根据直流系统中模块化多电平换流器(MMC)在故障前后的状态变化,基于叠加定理得出MMC在直流系统发生故障时的等效电路模型,构建直流系统断线故障下的等效电路。然后,通过改进极模变换矩阵推导其在不同故障类型下的复合模量等值网络,分析不同断线故障的模量特征;在此基础上,利用2模和0模电流的变化量构建断线故障类型识别的相平面,实现断线故障的分类;同时,提出基于1模电流变化量的区内外断线故障辨识流程。最后,在PSCAD/EMTDC中建立了仿真模型,验证了所提保护方法的快速性和可靠性。 展开更多
关键词 柔性直流 断线故障 极模变换 模块化多电平换流器
下载PDF
风储联合系统主动参与电网一次调频的协调控制策略
3
作者 朱颜 王渝红 +3 位作者 廖建权 郑宗生 赏成波 王强钢 《电工电能新技术》 CSCD 北大核心 2024年第5期10-18,共9页
通过风储联合系统的协调控制增强风电并网系统的转动惯量水平是增强系统频率稳定的重要手段。现有风储联合系统协调控制中风电与储能的控制相对独立,两者的耦合集成度较低,难以充分发挥风电和储能对频率扰动的响应和调节能力。对此,本... 通过风储联合系统的协调控制增强风电并网系统的转动惯量水平是增强系统频率稳定的重要手段。现有风储联合系统协调控制中风电与储能的控制相对独立,两者的耦合集成度较低,难以充分发挥风电和储能对频率扰动的响应和调节能力。对此,本文提出基于线性二次型调节器(LQR)的风储联合系统协调控制策略。该策略以双馈风机输出频率和风储联合系统总输出功率为储能的控制输入,以提升系统的阻尼和稳定性,并增强系统的频率响应调节能力。首先,根据系统的状态方程建立双馈风机和风储联合系统的小信号稳定模型,分析协调控制对风储联合系统的阻尼比的提升作用;其次,由具有扰动抑制能力的LQR方法确定协调控制的控制参数;在此基础上,根据转子动能确定储能功率容量;最后在Matlab/Simulink仿真平台搭建风储联合系统并网模型,验证了本文所提策略的有效性和优越性。 展开更多
关键词 风电 储能 协调控制 调频 LQR控制
下载PDF
基于压缩感知与ISTA的宽频振荡扰动源分级定位方法
4
作者 蒋奇良 郑宗生 +3 位作者 史云翔 李晨鑫 陈明雪 王渝红 《高电压技术》 EI CAS CSCD 北大核心 2024年第8期3725-3735,I0031,共12页
“双高”电力系统发展趋势下宽频振荡问题日益凸显,电力电子设备与电网相互作用呈强时变性与非线性,导致准确的振荡扰动源定位难以实现。为此,提出基于压缩感知与软阈值迭代算法(iterative shrinkage-thresholding algorithm,ISTA)的广... “双高”电力系统发展趋势下宽频振荡问题日益凸显,电力电子设备与电网相互作用呈强时变性与非线性,导致准确的振荡扰动源定位难以实现。为此,提出基于压缩感知与软阈值迭代算法(iterative shrinkage-thresholding algorithm,ISTA)的广域系统振荡扰动源分级定位方法。首先,采取Shapelet算法构建以时序信号为输入的定位启动判据,并生成测量矩阵同步压缩振荡信号。然后,主站根据判据结果,基于振荡压缩信号定位扰动区域。最后,利用ISTA网络复原原始振荡信号,实现振荡源精确定位。应用所提方法于含风电场的四机两区域系统扰动源定位任务,结果证明此方法可突破奈奎斯特采样定理限制,且在低计算需求状况下实现高准确度扰动源定位。 展开更多
关键词 宽频振荡 振荡源定位 压缩感知 软阈值迭代算法 深度学习 Shapelet
下载PDF
改进3D-CNN的高光谱图像地物分类方法 被引量:4
5
作者 郑宗生 刘海霞 +3 位作者 王振华 卢鹏 沈绪坤 唐鹏飞 《自然资源遥感》 CSCD 北大核心 2023年第2期105-111,共7页
高光谱图像具有数据量大、波段多和波段间相关性强等特性,传统高光谱分类方法通常单独考虑光谱和空间信息,特征提取不充分,忽略了图像纹理构造和重要光谱信息。针对这些问题,提出一种基于卷积神经网络(convolution neural network,CNN)... 高光谱图像具有数据量大、波段多和波段间相关性强等特性,传统高光谱分类方法通常单独考虑光谱和空间信息,特征提取不充分,忽略了图像纹理构造和重要光谱信息。针对这些问题,提出一种基于卷积神经网络(convolution neural network,CNN)的高光谱分类方法。该方法基于三维CNN(3D CNN),处理多尺度空谱数据,并对双重注意力机制进行改进,提出光谱注意力机制;其次,采取跨层特征融合和多通道特征提取策略,进一步提高地物分类精度。选取“高分五号”卫星拍摄的2景影像共6043个样本作为实验数据,并将提出的方法与支持向量机(support vector machine,SVM),一维CNN(1D CNN),二维CNN(2D CNN),3D CNN和残差网络(residual network,ResNet)进行比较分析。结果表明,所提方法的总体精度(overall accuracy,OA)和Kappa系数均有显著提高,OA值均达到95%以上。其中,OA在江苏南通地区数据集上达到了95.84%,较SVM,1D CNN,2D CNN,3D CNN和ResNet方法分别提高了21.54,21.71,7.28,3.94,2.56百分点。 展开更多
关键词 高光谱图像 地物分类 三维卷积神经网络 注意力机制 特征融合
下载PDF
基于同步相量数据的次同步振荡检测与模态参数辨识方法 被引量:5
6
作者 王渝红 王宏宇 +3 位作者 于光远 尹爱辉 郑宗生 廖建权 《高电压技术》 EI CAS CSCD 北大核心 2023年第6期2557-2568,共12页
新能源集中并网已引发了多起次同步振荡(sub-synchronousoscillation,SSO)事故,严重威胁电力系统安全稳定。为对SSO进行实时预警与分析,提出一种基于同步相量数据的SSO检测与模态参数辨识方法。首先,推导SSO与同步相量中SSO分量实部、... 新能源集中并网已引发了多起次同步振荡(sub-synchronousoscillation,SSO)事故,严重威胁电力系统安全稳定。为对SSO进行实时预警与分析,提出一种基于同步相量数据的SSO检测与模态参数辨识方法。首先,推导SSO与同步相量中SSO分量实部、虚部的对应关系,在此基础上,选取同步相量实部作为特征量;其后,分析了SSO振荡特性变化时,同步相量中SSO分量的表现形式,并引入变分模态分解(variationalmodedecomposition,VMD)与希尔伯特变换(Hilbert transform,HT)对同步相量中SSO分量进行模态参数辨识,进而根据对应关系实现SSO模态参数的准确辨识。最后,利用同步相量中SSO分量瞬时幅值的差分来检测SSO振荡特性是否变化,并通过合成信号、电磁暂态仿真数据与实测数据对所提方法的有效性进行验证,该方法的理论成果有望在未来为SSO的实时预警,辅助决策提供技术支撑。 展开更多
关键词 同步相量 次同步振荡 振荡检测 模态参数辨识 变分模态分解 希尔伯特变换
下载PDF
改进残差网络及时序气象卫星云图的台风等级分类研究 被引量:1
7
作者 郑宗生 傅泽平 +3 位作者 刘敏 胡晨雨 卢鹏 姜晓轶 《测绘工程》 2023年第6期10-16,共7页
结合了传统残差网络在数据样本小环境下分支卷积层特征的浪费问题,且考虑台风云图时空关联性强、特征复杂因素,参考日本国立情报学研究所在西北太平洋上空通过数个气象卫星拍摄的8000多景高分辨率台风云图,编制了适应于残差神经网络的... 结合了传统残差网络在数据样本小环境下分支卷积层特征的浪费问题,且考虑台风云图时空关联性强、特征复杂因素,参考日本国立情报学研究所在西北太平洋上空通过数个气象卫星拍摄的8000多景高分辨率台风云图,编制了适应于残差神经网络的时序台风云图分类训练集和测试集。为满足数据集及台风特征,有效优化了原始残差网络的残差块,并得到了恒等映射残差块。经由增加卷积输出来促进分支通路更好的被利用,保留台风图像时序特性,提高网络性能。实验显示,W-ResNets模型在自建台风数据集上的训练精度达到99.60%,测试精度达到76.19%,相较于浅层卷积神经网络的测试精度高出8.48%,相比于使用传统的残差神经网络提高了2.87%,为进一步验证模型的泛化性能,采用MNIST通用数据集进行网络对比实验,宽残差网络得到98.786%的测试精度,优于传统残差网络。文中的W-ResNets预报模型可在小样本台风数据集推广使用。 展开更多
关键词 卷积神经网络 残差神经网络 宽残差网络 小样本台风数据集
下载PDF
基于图注意力网络的风电场汇集并网系统次同步振荡预警方法 被引量:1
8
作者 王渝红 吴恒帅 +3 位作者 于光远 尹爱辉 郑宗生 廖建权 《高电压技术》 EI CAS CSCD 北大核心 2023年第7期2995-3005,共11页
大规模双馈风电场经串补并网系统易产生次同步振荡,若无法及时发现振荡现象并准确告警,将严重威胁系统安全稳定运行。次同步振荡预警是依据电力系统在线量测数据,判断系统振荡稳定性,为调度人员提供实时可靠的预警信息。针对现有次同步... 大规模双馈风电场经串补并网系统易产生次同步振荡,若无法及时发现振荡现象并准确告警,将严重威胁系统安全稳定运行。次同步振荡预警是依据电力系统在线量测数据,判断系统振荡稳定性,为调度人员提供实时可靠的预警信息。针对现有次同步振荡在线监测无法实现事前预警的问题,提出一种基于图注意力网络(graph attention network,GAT)的次同步振荡预警方法。首先,分别从风电场侧和电网侧筛选次同步振荡关键影响因素,以减少输入特征信息的冗余;其次,基于多头注意力机制构建多头图注意力网络,考虑不同风电场间以及风电场与电网之间耦合影响的差异,实现不同风电场之间的次同步振荡特征聚合;最后,在搭建的多风电场汇集并网系统上进行次同步振荡稳定性预警,验证了所提方法的准确性和抗干扰性。 展开更多
关键词 次同步振荡 风电场并网 振荡预警 深度学习 多头图注意力网络
下载PDF
基于改进SOLO_v2的糖尿病黄斑水肿分割模型
9
作者 郑宗生 唐鹏飞 +1 位作者 王振华 卢鹏 《中国医学物理学杂志》 CSCD 2023年第1期24-30,共7页
糖尿病黄斑水肿(DME)是导致糖尿病患者视力损害的常见原因。光学相干断层扫描技术(OCT)有助于增强对糖尿病视网膜病变的早期检测和预防。目前,OCT图像中的DME区域存在大量散斑噪声及小目标区域,现有的实例分割方法存在漏分割等问题。针... 糖尿病黄斑水肿(DME)是导致糖尿病患者视力损害的常见原因。光学相干断层扫描技术(OCT)有助于增强对糖尿病视网膜病变的早期检测和预防。目前,OCT图像中的DME区域存在大量散斑噪声及小目标区域,现有的实例分割方法存在漏分割等问题。针对上述问题,本文利用特征金字塔转换器(FPT)改进SOLO_v2模型,提出了一种新的DME分割模型(SOLO-OCT),包括:(1)利用基于双域滤波去噪算法去除图像上存在的大量散斑噪声,提高输入图像质量;(2)引入FPT,提高模型对小目标的识别能力和学习能力;(3)改进非极大值抑制(NMS)算法,缓解对小目标区域的漏分割问题。将SOLO-OCT模型与其他实例分割模型(包括Mask R-CNN、SOLO和SOLO_v2)进行了比较,以评估其对DME区域的分割性能。与Mask R-CNN、SOLO和SOLO_v2模型相比,SOLO-OCT模型对DME区域的分割精度(mAP)提高了3.1%,对小目标DME区域的分割精度(APs)提高了2.2%,而单幅图像的处理时间(Fps)只增加了0.0099 s。本文提出的DME分割模型(SOLO-OCT)可用于大规模糖尿病视网膜病变筛查。 展开更多
关键词 糖尿病黄斑水肿 实例分割 特征增强 非极大值抑制
下载PDF
面向视频数据的深度学习目标识别算法综述 被引量:11
10
作者 王振华 李静 +3 位作者 张鑫月 郑宗生 卢鹏 栾奎峰 《计算机工程》 CAS CSCD 北大核心 2022年第4期1-15,共15页
目标识别是计算机视觉领域的一大挑战,随着深度学习的发展,目标识别算法被广泛应用于视频数据中目标的识别和监测。对现有目标识别算法进行归纳,根据是否采用锚点机制将主流算法分为Anchor-Based和Anchor-Free两大类。针对R-CNN、SPP-Ne... 目标识别是计算机视觉领域的一大挑战,随着深度学习的发展,目标识别算法被广泛应用于视频数据中目标的识别和监测。对现有目标识别算法进行归纳,根据是否采用锚点机制将主流算法分为Anchor-Based和Anchor-Free两大类。针对R-CNN、SPP-Net、SSD、YOLOv2等Anchor-Based类目标识别算法,从候选框创建、特征提取和结果生成角度分析基于区域和基于回归的目标识别算法的区别和各自优势。针对CornerNet、ExtremeNet、CenterNet、FCOS等Anchor-Free类目标识别算法,从特征提取、关键点选择/层次结构和结果生成角度分析基于关键点和基于特征金字塔的目标识别算法的区别和各自优势。在此基础上,以识别效率和识别精度为评价指标,对Faster R-CNN、Mask R-CNN、SSD等8种代表性目标识别算法进行对比总结。最后,针对目标识别算法中的数据预处理耗时长、多尺度特征同步识别精度低、结构繁杂等问题,对当前研究的不足和未来研究方向进行分析和展望。 展开更多
关键词 深度学习 目标识别 锚定框 候选区域 关键点 视频数据
下载PDF
面向卫星云图及深度学习的台风等级分类 被引量:10
11
作者 邹国良 侯倩 +2 位作者 郑宗生 黄冬梅 刘兆荣 《遥感信息》 CSCD 北大核心 2019年第3期1-6,共6页
台风是最严重的自然灾害之一,做好台风等级分类预测是防灾减灾的关键。针对现有卫星云图特征提取复杂、识别率低等问题,基于卷积神经网络框架,以北太平洋1978-2016年近1 000多个台风过程的卫星云图作为样本,提出改进深度学习模型Typhoon... 台风是最严重的自然灾害之一,做好台风等级分类预测是防灾减灾的关键。针对现有卫星云图特征提取复杂、识别率低等问题,基于卷积神经网络框架,以北太平洋1978-2016年近1 000多个台风过程的卫星云图作为样本,提出改进深度学习模型Typhoon-CNNs。该框架采用循环卷积策略增强模型表征力,使用十折交叉验证引入信息熵、Dropout置零率以优化模型灵敏度及防止过拟合。通过800样本测试集对模型Typhoon-CNNs进行验证,实验结果表明,本文算法的分类精度达到92.5%,台风和超强台风2个等级的预测正确率达到99%,优于传统分类方法。最后对模型提取的特征图进一步分析,模型能够准确识别台风眼和螺旋云带,从而证明Typhoon-CNNs对台风等级分类的可行性。 展开更多
关键词 深度学习 卷积神经网络 卫星云图 信息熵 Dropout置零率 台风等级
下载PDF
基于DDQN的风电替代传统电源的输电网结构优化研究 被引量:4
12
作者 王渝红 周旭 +3 位作者 陈磊 曾琦 郑宗生 史云翔 《电网技术》 EI CSCD 北大核心 2022年第6期2084-2094,共11页
推动可再生能源替代化石能源是实现碳达峰、碳中和目标的有力举措。为了降低大规模风电替代传统能源接入电网的波动性影响,需合理优化接入点周边输电网结构以保证系统在不确定场景下的稳定性。文章应用人工智能技术,提出了一种考虑风电... 推动可再生能源替代化石能源是实现碳达峰、碳中和目标的有力举措。为了降低大规模风电替代传统能源接入电网的波动性影响,需合理优化接入点周边输电网结构以保证系统在不确定场景下的稳定性。文章应用人工智能技术,提出了一种考虑风电替代可靠性与经济性的深度强化学习输电网结构优化方法。首先,考虑大容量风电场出力波动性提出了风电场接入K阶电气介数熵均衡度用以评估风电场邻近区域潮流均衡度。其次,以马尔科夫决策视角构建了一种可交互式求解的输电网结构优化强化学习模型。最后,通过在改进的IEEE RTS 24系统中模拟大容量风电替代场景,应用智能多代理(double deep Q network,DDQN)深度强化学习算法求解输电网结构优化方案,验证了该方法的优越性与有效性。 展开更多
关键词 双碳 新能源替代 风电 深度强化学习 输电网结构优化
下载PDF
改进YOLO v4模型在鱼类目标检测上的应用研究 被引量:7
13
作者 郑宗生 李云飞 +2 位作者 卢鹏 邹国良 王振华 《渔业现代化》 CSCD 2022年第1期82-88,96,共8页
鱼类目标检测对渔业精准养殖、生产自动化、资源调查及鱼行为的研究等具有重要的意义。为了能快速准确地得到鱼类目标的位置和所属类别,提出了一种改进YOLO v4模型的鱼类目标检测方法,在CIoU(Complete Intersection over Union)损失函... 鱼类目标检测对渔业精准养殖、生产自动化、资源调查及鱼行为的研究等具有重要的意义。为了能快速准确地得到鱼类目标的位置和所属类别,提出了一种改进YOLO v4模型的鱼类目标检测方法,在CIoU(Complete Intersection over Union)损失函数基础上构建了新的损失项,改进的损失函数使真实框与相交框呈相同宽高比进行回归,同时通过设置多锚点框模式,增强在特定尺寸面积上的检测效果。结果显示:改进YOLO v4模型的mAP(mean Average Precision)比原模型有较大提升,在自建数据集、Fish4Knowledge数据集和NCFM数据集上的mAP分别达到了94.22%、99.52%、92.16%。研究表明,改进YOLO v4模型可以快速准确地检测到鱼的位置和类别,检测速度满足实时的要求,可以为渔业精准养殖等提供参考。 展开更多
关键词 鱼类目标检测 CIoU损失 损失函数 YOLO v4模型
下载PDF
基于Seq2Seq和Attention的时序卫星云图台风等级预测 被引量:6
14
作者 郑宗生 刘敏 +3 位作者 胡晨雨 傅泽平 卢鹏 姜晓轶 《遥感信息》 CSCD 北大核心 2020年第4期16-22,共7页
台风预测可为台风预警预报提供先验信息,辅助相关部门进行科学决策,以减少灾害损失。利用时间序列台风卫星云图,提出一种新的台风等级预测模型SeqTyphoon,将注意力机制和序列到序列引入模型预测未来时刻台风图像,然后利用卷积神经网络... 台风预测可为台风预警预报提供先验信息,辅助相关部门进行科学决策,以减少灾害损失。利用时间序列台风卫星云图,提出一种新的台风等级预测模型SeqTyphoon,将注意力机制和序列到序列引入模型预测未来时刻台风图像,然后利用卷积神经网络对预测的台风图像进行台风等级预测。通过日本气象厅发布的1981—2017年3万多张时序台风卫星云图,构建了训练集、验证集和测试集,分别对应29519、3804、1995张台风图像。针对SeqTyphoon模型,分别进行了台风云图的不同时间间隔、不同预测时长及不同空间分辨率对台风图像预测精度影响的对比实验。实验结果表明,台风云图均为32像素×32像素,时间间隔为6 h比时间间隔为12 h的训练集和验证集的均方根误差分别降低5.41%、5.72%,前者训练集的均方根误差达到0.0922,验证集为0.0954,前者台风等级预测准确率为后者的2倍;台风云图为32像素×32像素,时间间隔为6 h时,预测未来6~48 h的台风图像,训练集和验证集的均方根误差均递增,台风等级预测准确率递减;时间间隔为6 h,图像为64像素×64像素的训练集的均方根误差为0.0896,验证集为0.0911,台风等级预测总体准确率为83.2%。综上,影响台风图像的最主要因素是相邻台风云图的时间间隔,其次是预测时长与空间分辨率大小。 展开更多
关键词 时间序列 台风卫星云图 注意力机制 序列到序列 图像预测
下载PDF
基于自适应分层阈值判断的神经网络模型压缩 被引量:3
15
作者 卢鹏 万莹 +3 位作者 邹国良 陈金宇 郑宗生 王振华 《计算机工程》 CAS CSCD 北大核心 2022年第1期112-118,126,共8页
面对多样化的应用环境,卷积神经网络(CNN)的架构深度不断增加以提升精度,但同时需要大量的计算参数和网络存储。针对CNN卷积层参数冗余和运算效率低的问题,提出一种基于分层阈值的自适应动态剪枝方法。设计自适应分层阈值判断算法,对批... 面对多样化的应用环境,卷积神经网络(CNN)的架构深度不断增加以提升精度,但同时需要大量的计算参数和网络存储。针对CNN卷积层参数冗余和运算效率低的问题,提出一种基于分层阈值的自适应动态剪枝方法。设计自适应分层阈值判断算法,对批归一化层的尺度因子进行聚类分析,自适应地找到每层的分类断点并据此确定最终阈值,利用该阈值修剪正则化后的输入模型,从而避免根据经验人为定义固定阈值,减小模型尺寸和运行时占用的内存。分别采用该方法和LIU等提出的使用固定阈值且全局修剪的方法对VGGNet、ResNet、DenseNet和LeNet模型进行压缩,并在CIFAR、SVHN和MNIST数据集上测试模型性能。实验结果表明,该方法能够在模型精度与剪枝率之间找到最优平衡,剪枝后模型的测试错误率较对比方法降低0.02~1.52个百分点,同时自适应分层阈值判断算法也能避免对比方法在全局修剪时减去整个层的问题。 展开更多
关键词 深度学习 图像识别 卷积神经网络 模型压缩 网络剪枝
下载PDF
基于改进的最大均值差异算法的深度迁移适配网络 被引量:7
16
作者 郑宗生 胡晨雨 姜晓轶 《计算机应用》 CSCD 北大核心 2020年第11期3107-3112,共6页
在基于模型参数的迁移学习研究中,两域样本的分布差异、源模型卷积层之间的互适应性都是影响模型迁移性能的重要因素。针对上述问题,提出一种多层卷积适配(MCA)深度迁移框架并将其应用于台风卫星云图的等级分类,在交叉熵函数的基础上添... 在基于模型参数的迁移学习研究中,两域样本的分布差异、源模型卷积层之间的互适应性都是影响模型迁移性能的重要因素。针对上述问题,提出一种多层卷积适配(MCA)深度迁移框架并将其应用于台风卫星云图的等级分类,在交叉熵函数的基础上添加L-最大均值差异(MMD)算法作为正则项,并对样本在再生核希尔伯特空间(RKHS)中的分布进行线性的无偏估计,最终定义了CE-MMD损失函数。在反向传播过程中,将残差和两域样本分布的差异共同作为网络参数更新的指标,使得迁移模型收敛速度更快、精度更高。在自建的台风数据集上对L-MMD算法和Bregman差异、KL散度两种度量算法进行对比实验,结果表明所提算法的精度分别高出11.76个百分点和8.05个百分点。实验结果表明,L-MMD算法优于其他度量算法,而且MCA深度迁移框架具有可行性。 展开更多
关键词 迁移学习 深度卷积神经网络 最大均值差异 领域适配 台风等级
下载PDF
无监督图像翻译的个性化手写汉字生成方法 被引量:2
17
作者 卢鹏 陈金宇 +3 位作者 邹国良 万莹 郑宗生 王振华 《计算机工程与应用》 CSCD 北大核心 2022年第8期221-229,共9页
由于汉字拥有大量的字符,大多数对汉字的研究主要集中在汉字的识别和分类问题上,对于生成汉字的研究较少,尤其是在没有大量配对的汉字数据集的情况下。该模型使用内容和风格样式都不匹配的汉字数据集,将生成个性化手写汉字的过程公式化... 由于汉字拥有大量的字符,大多数对汉字的研究主要集中在汉字的识别和分类问题上,对于生成汉字的研究较少,尤其是在没有大量配对的汉字数据集的情况下。该模型使用内容和风格样式都不匹配的汉字数据集,将生成个性化手写汉字的过程公式化为一个从现有的标准印刷字体到个性化手写汉字样式映射的问题。在基于无监督学习的图像翻译模型的基础上,利用注意力机制和自适应标准化层来增强个性化汉字生成的内容和风格,并且通过改进损失函数提高了判别器网络的判别能力。在CASIA-HWDB手写汉字数据集和兰亭序书法数据集上进行了实验,通过对比内容准确性和风格差异性的评价指标,验证了该方法的有效性。 展开更多
关键词 生成对抗网络 图像翻译 无监督学习 手写汉字生成
下载PDF
基于改进最小分类误差准则算法的深度学习研究——以台风卫星云图为例 被引量:3
18
作者 郑宗生 侯倩 +1 位作者 邹国良 卢奇 《计算机应用研究》 CSCD 北大核心 2019年第10期3160-3163,共4页
针对传统基于最小分类误差准则(MCE)建立的目标函数存在样本错分类时网络出现的梯度反向问题,引入最小分类误差准则,定义带修正项的FMCE目标函数。以较高精度的交叉熵作为基函数,将FMCE作为修正函数,提出改进交叉熵目标函数CE-FMCE,使... 针对传统基于最小分类误差准则(MCE)建立的目标函数存在样本错分类时网络出现的梯度反向问题,引入最小分类误差准则,定义带修正项的FMCE目标函数。以较高精度的交叉熵作为基函数,将FMCE作为修正函数,提出改进交叉熵目标函数CE-FMCE,使得网络在反向传播过程中提升标签类输出的概率。CE-FMCE不仅克服了传统MCE目标函数的梯度反向问题,还弥补了交叉熵函数对非标签集梯度不作区分处理的不足。分别在自建台风云图数据集和通用数据集MNIST上对CE-FMCE和MSE、交叉熵、MCE、M3CE进行对比实验,实验结果表明CE-FMCE优于其他目标函数。 展开更多
关键词 深度学习 卷积神经网络 交叉熵 最小分类误差准则 台风等级
下载PDF
The spatial relationship between salt marsh vegetation patterns,soil elevation and tidal channels using remote sensing at Chongming Dongtan Nature Reserve, China 被引量:7
19
作者 zheng zongsheng ZHOU Yunxuan +1 位作者 TIAN Bo DING Xianwen 《Acta Oceanologica Sinica》 SCIE CAS CSCD 2016年第4期26-34,共9页
The analysis of vegetation-environment relationships has always been a study hotspot in ecology. A number of biotic, hydrologic and edaphic factors have great influence on the distribution of macrophytes within salt m... The analysis of vegetation-environment relationships has always been a study hotspot in ecology. A number of biotic, hydrologic and edaphic factors have great influence on the distribution of macrophytes within salt marsh.Since the exotic species Spartina alterniflora(S. alterniflora) was introduced in 1995, a rapid expansion has occurred at Chongming Dongtan Nature Reserve(CDNR) in the Changjiang(Yangtze) River Estuary, China.Several important vegetation-environment factors including soil elevation, tidal channels density(TCD),vegetation classification and fractional vegetation cover(FVC) were extracted by remote sensing method combined with field measurement. To ignore the details in interaction between biological and physical process,the relationship between them was discussed at a large scale of the whole saltmarsh. The results showed that Scirpus mariqueter(S. mariqueter) can endure the greatest elevation variance with 0.33 m throughout the marsh in CDNR. But it is dominant in the area less than 2.5 m with the occurrence frequency reaching 98%. S. alterniflora has usually been found on the most elevated soils higher than 3.5 m but has a narrow spatial distribution. The rapid decrease of S. mariqueter can be explained by stronger competitive capacity of S. alterniflora on the high tidal flat. FVC increases with elevation which shows significant correlation with elevation(r=0.30, p〈0.001). But the frequency distribution of FVC indicates that vegetation is not well developed on both elevated banks near tidal channels from the whole scale mainly due to tidal channel lateral swing and human activities. The significant negative correlation(r=–0.20, p〈0.001) was found between FVC and TCD, which shows vegetation is restricted to grow in higher TCD area corresponding to lower elevation mainly occupied by S. mariqueter communities. The maximum occurrence frequency of this species reaches to 97% at the salt marsh with TCD more than 8 m/m2. 展开更多
关键词 remote sensing vegetation patterns Chongming Dongtan Nature Reserve salt marshes environmental factors
下载PDF
基于AlexNet的近岸水生植物光谱分类及特征光谱分析 被引量:6
20
作者 郑宗生 刘贝 +4 位作者 卢鹏 王振华 邹国良 赵家惠 李云飞 《中国激光》 EI CAS CSCD 北大核心 2023年第2期123-132,共10页
水生植物能够净化污染物和抑制藻类生长,在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法,具有无接触、快速、无污染等特点。受周围水环境的影响,绿色水生植物的光谱特征峰比陆生植物更加难以区分,地面实测... 水生植物能够净化污染物和抑制藻类生长,在生态系统重建方面具有重要的应用价值。光谱分析作为植物种类识别的一种方法,具有无接触、快速、无污染等特点。受周围水环境的影响,绿色水生植物的光谱特征峰比陆生植物更加难以区分,地面实测光谱数据不仅维度高,且存在大量重叠谱带和背景干扰,特征光谱不明显;同时,通过地面实测获取样本数据较为困难,适用于深度学习的地面光谱数据集较少。针对以上问题,本文提出了一种基于一阶导数法结合AlexNet网络的分类模型。本团队以2019年9—10月上海河道内4种优势种群的近岸挺水水生植物为研究对象,使用地物光谱仪采集4种水生植物叶片部位的光谱信息。实验中,首先使用4种光谱分析法对原始数据进行预处理,比较预处理前后分类模型的准确率,其中一阶导数法结合AlexNet网络的分类模型对4种水生植物的分类精度最高,为99.50%;然后分别选取样本数据的40%、60%和80%作为训练集,验证模型在小样本下的泛化能力;最后利用Grad-CAM算法对模型进行可视化,分析后发现本文模型提取的水生植物的特征光谱与现有研究结果一致。上述研究结果表明,本文模型能够有效提取水生植物的特征光谱,实现对4种水生植物的快速准确分类识别,为高光谱遥感卫星识别此4种水生植物提供了重要参考。 展开更多
关键词 光谱学 近岸水生植物 深度学习 光谱预处理 AlexNet网络
原文传递
上一页 1 2 下一页 到第
使用帮助 返回顶部