典型文献
基于深度学习的泥石流孕灾区域识别
文献摘要：
针对目前基于遥感影像技术的泥石流孕灾区识别自动化较低、对全局特征表征有限等问题,该文提出了基于AlexNet神经网络的泥石流孕灾区识别方法.基于云南高原山区DEM数据,利用区域生长算法对泥石流孕灾沟谷实现对象识别、分割和验证.在对数据集进行数据增强后,通过深度学习网络设定和数据类别确定,进而对泥石流孕灾沟谷的全局特征进行有效学习,并实现了对沟谷发生泥石流次数的准确分类.同时,该文基于验证集、测试集的平均分类精度及混淆矩阵,对模型进行验证,实验结果表明该模型针对泥石流孕灾区能够取得较为高效准确的识别效果,分类预测平均准确率可达94％.
文献关键词：
AlexNet;区域生长算法;泥石流孕灾区
中图分类号：
作者姓名：
彭娟;王保云;杨丽彬;孙显辰;张漫迪
作者机构：
云南师范大学,云南大理671099
文献出处：
引用格式：
[1]彭娟;王保云;杨丽彬;孙显辰;张漫迪-.基于深度学习的泥石流孕灾区域识别)[J].电脑知识与技术,2022(04):90-91
A类：
泥石流孕灾区
B类：
区域识别,遥感影像技术,全局特征,AlexNet,云南高原,高原山区,DEM,区域生长算法,沟谷,谷实,数据增强,深度学习网络,数据类别,有效学习,验证集,测试集,平均分,分类精度,混淆矩阵,分类预测,平均准确率
AB值：
0.248559
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
