导读:本文包含了多层次分类论文开题报告文献综述及选题提纲参考文献，主要关键词:基于对象影像分析,建筑物,多层次模型,特征选择
多层次分类论文文献综述
党涛,宋起,刘勇,徐安建,徐波[1]（2019）在《基于多层次分割分类模型及其特征空间优化的建筑物提取方法》一文中研究指出针对高空间分辨率遥感影像城市地物信息提取中的尺度效应、光谱多样性及分类特征优化等问题,基于面向对象影像分析方法,结合数据挖掘与机器学习技术,提出了一种多层次分割分类模型及其特征空间优化的建筑物提取方法。首先,根据遥感信息多尺度特性,针对地物特征差异设立层级关系,再结合光谱多样性特征定义地物包含的子类型,建立基于不透水面分割分类提取建筑物的层次化结构;然后,利用提出的Relief F-PSO组合特征选择方法,优化构建相应层次的影像特征空间;最后,在多尺度分割和特征优化的基础上,基于随机森林模型获取不透水面分布,进而采用J48决策树算法分类提取建筑物。实验结果表明,该方法能够利用较少数量的影像特征,获得高精度的建筑物提取成果。(本文来源于《国土资源遥感》期刊2019年03期）
王伟凝,李乐敏,黄杰雄,罗杰波,徐向民[2]（2019）在《基于多层次深度卷积神经网络的图像情感分类》一文中研究指出由于图像的复杂性和人类情感的主观性,图像情感分类是一项非常具有挑战性的任务.针对深度学习方法没有充分考虑图像先验信息的问题,提出一个新的多层次深度卷积神经网络框架.该框架综合考虑全局和局部视角,引入显着主体、颜色和局部等先验信息,从多个层次学习图像的情感表达.实验结果表明,在公开的大数量级和小数量级情感图库上,该框架的分类准确率均高于现有的图像情感分类方法,其平均分类准确率比最优方法提高了2.8%,特别在情感类别"厌恶"上提高了15%.(本文来源于《华南理工大学学报(自然科学版)》期刊2019年06期）
周恒晟[3]（2019）在《基于多层次图注意力卷积神经网络的节点分类模型研究》一文中研究指出近年来,深度学习迅猛发展,在诸多应用领域取得了令人惊喜的成绩。从语音识别、机器翻译、图像识别与计算机视觉都有相关的理论突破与实际应用落地。然而随着信息技术的发展,承载信息的载体不仅仅局限于文字,音视频或者图像等数据。以社交网络、引文网络、通讯网络和生物网络为代表的关系型数据也包含了许多信息。分类是数据挖掘的一种重要方式,利用分类结果能够得到社交网络中用户的兴趣、爱好、价值观或者是引文网络中文献所属的研究领域。本文所研究的问题是基于深度学习的方法完成节点分类任务。节点本身包含了大量的表示节点属性的内容信息,节点与节点之间通过边表示了节点的连接信息,本文希望提取上述两类信息并完成节点的单标签分类与多标签分类任务。图卷积网络Graph Convolutional Networks(GCN)是利用深度学习实现节点分类任务的一种模型,能够将节点的内容信息和连接信息进行融合,并对未观测到的节点进行标签分类。然而这种模型存在着涉及复杂矩阵运算,解释能力不足的缺点。针对上述问题,本文基于前人的研究对模型进行了改进,主要研究工作如下:1)本文提出一个通过图卷积提取节点特征并实现节点分类的模型,该模型接受一个节点上附有辅助信息的无边权矩阵的拓扑图数据,直接对拓扑图数据上的节点进行操作,避免复杂的矩阵运算,以自然直观的方式综合节点辅助信息和空间结构信息得到节点的低维向量表示,并实现进一步的分类任务。2)本文引入了注意力机制使得模型在卷积操作中针对某一个节点,能够赋予各个邻接节点不同的卷积参数,以此参数对邻节点特征进行加权求和实现中心节点内容信息和局部连接信息的提取。本模型使用神经协同过滤Neural Collaborative Filtering(NCF)的方式实现注意力机制。本模型通过更加合理邻节点抽取策略降低了算法模型的时间复杂度,通过跳连接(skip connection)机制强调对中心节点特征信息的保留。3)本文中提出的模型与算法基于Python语言和Tensorflow深度学习框架实现算法模型。使用2个公认的基准数据集进行对比实验,对现有研究领域中不同的算法模型进行了对比验证,证明了本文中提出的算法模型在节点分类任务上的可行性。此外本文还通过设计实验验证了模型结构设计的合理性。(本文来源于《华南理工大学》期刊2019-04-15）
顾广华,秦芳[4]（2019）在《基于多层次特征表示的图像场景分类算法》一文中研究指出传统场景分类采用底层尺度不变特征变换(SIFT)特征,运用词袋(BoW)模型以及空间金字塔(SPM)模型进行分类判别。然而,单一的低层描述的识别精度有限,无法有效表征内容多变的场景图像。本文提出基于多层次特征表示的图像场景分类算法,利用滑动窗均匀采样图像块,分别提取图像块的密集SIFT特征和卷积层卷积神经网络(CNN)特征,使用聚集局部描述符编码(VLAD)方法分别编码图像块的局部特征,将一幅图像的多个图像块特征顺序级联形成该幅图像的描述,由此构建包含局部语义信息的低层图像描述和中层图像描述。与此同时,将图像的低层描述与中层描述融合到图像的全连接层的高层语义中,从而获得整合了局部空间信息和全局语义信息的精确图像表示。本文在两个常用的场景数据集上进行了分类实验,结果表明,融合多层次特征描述的图像表示能够取得更好的分类结果。(本文来源于《高技术通讯》期刊2019年03期）
马丽萍[5]（2019）在《全国人大常委会委员郑功成:构建分层分类多层次的养老服务体系》一文中研究指出最新数据显示,截至2018年底,我国60岁以上老年人口达到2.49亿人,占总人口比例的17.9%。全国人大常委会委员郑功成认为,构建多层次多样化的养老服务体系势在必行。"老有所养是最重要的民生保障之一,这正是民政部门大有可为的一项职责。"郑功成表示,民政部现在要管的是2.49亿老年人的养老服务。"服务要涵盖所有的老年人,"相对于人口老龄化的速度,(本文来源于《中国社会工作》期刊2019年08期）
吴浩,王昕璨,李欣芸,刘志芬,陈俊杰[6]（2019）在《基于多层次模板的脑功能网络特征选择及分类》一文中研究指出基于单一脑图谱模板的功能连接网络中提取的特征表示不足以揭示患者组和正常对照组(NC)之间的复杂拓扑结构差异,而传统的基于多模板的功能脑网络定义多采用独立模板,缺乏模板间的关联,从而忽略了各模板构建的功能脑网络中潜在的拓扑关联信息。针对上述问题,提出了一种多层次脑图谱模板和一种使用关系诱导稀疏(RIS)特征选择模型的方法。首先定义了具有关联的多层次脑图谱模板,挖掘模板之间潜在关系和表征组间网络结构差异;然后用RIS特征选择模型进行参数优化,进而提取组间差异特征;最后利用支持向量机(SVM)方法构建分类模型,并应用于抑郁症患者的诊断。在山西大学第一医院抑郁症临床诊断数据库上的实验结果显示,基于多层次模板的功能脑网络通过使用具有RIS特征的选择方法取得了91.7%的分类准确率,相比传统多模板方法的准确率提高了3个百分点。(本文来源于《计算机应用》期刊2019年07期）
徐怡,王旭生[7]（2019）在《多类分类模型和多层次增量算法》一文中研究指出多类分类问题的实际应用中,在决策对象的认识由粗粒度向细粒度转化时,通过使用粒结构,提出一种基于多类分类的序贯叁支决策模型。在此基础上,使用该模型非增量的方法计算序贯叁支决策的时间开销较大,针对决策表中条件属性的变化,给出该模型的增量方法来进行决策。首先,通过增加新属性得到每层的条件属性,构建多层次粒结构。在多层次粒结构下,给出每层决策表的损失函数矩阵。然后,按层依次计算决策表中每个决策类的阈值,进行决策表的叁支决策。最后,给出多类分类的序贯叁支决策算法,通过实例说明该算法的计算过程。为了动态更新多层次下的叁个域集,基于多类分类给出计算序贯叁支决策的增量算法,通过仿真实验验证了该方法的有效性。(本文来源于《计算机科学与探索》期刊2019年08期）
杨帆,金鑫,沈煜,梁永亮,周志强[8]（2018）在《小电流接地故障多层次分类及其识别模型》一文中研究指出小电流接地系统的单相接地故障类型识别对提升配网运行的安全性和可靠性具有重要意义。首先,根据故障的稳态和暂态特征,对单相接地故障进行了多层次递进式分类和定义;其次,提取不同类型故障的电气量特征,建立小电流接地故障类型识别模型;最后,以现场的录波数据对文中提出的故障类型识别模型进行验证。验证结果表明,所提方法能够有效地识别接地故障类型,有利于提高小电流接地故障处理的针对性。(本文来源于《电力系统自动化》期刊2018年15期）
党涛[9]（2018）在《基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究》一文中研究指出建筑物作为城市地理空间的重要元素,在土地利用规划、数字城市建模、灾害评估应急响应和军事目标侦察等方面有着重要的应用价值。随着多源高分辨率遥感影像的海量获取和实用化,利用遥感技术快速、高精度识别提取建筑物信息的现实意义日渐突出。基于对象影像分析(Object-Based Image Analysis,OBIA)方法突破了传统分类以像素为基本处理单元的局限性,能够综合利用影像对象的光谱、纹理、几何和空间结构特征,实现较高层次的遥感影像专题信息分类提取。以其明显的特点和优势,成为建筑物目标提取不可或缺的重要方向和研究热点。然而,城市环境中地表情况复杂,不同类型地物都有其适宜的空间尺度,利用统一的尺度层次难以获得精确的影像信息提取成果。同时,地物目标存在高度的光谱变异性,“同物异谱”和“异物同谱”现象较为突出,地物信息提取面临很大的挑战和干扰。对于建筑物而言,屋顶构成材质不同,光谱响应也会有所区别,形成不同颜色屋顶的建筑物,使得在影像上表现为较大的光谱差异,这种建筑物类别的异质性也会对分类结果产生一定程度的影响。另外,影像分类需要综合利用地物光谱、形状和纹理等特征,数量往往较多,其中可能存在不相关或冗余信息,不进行合理的特征选择优化,容易造成“维数灾难”,分类精度不增反降。本文针对地物信息提取过程中存在的遥感数据尺度效应、地物光谱多样性以及影像分类特征优化问题,在基于对象影像分析方法的支持下,结合数据挖掘技术与机器学习分类算法,对上述问题及相关技术方法进行了研究探讨,旨在提高遥感影像城市建筑物信息提取精度。本文以中卫市WorldView 3遥感影像为数据源,首先对研究区不同类型地物的光谱特征进行统计分析,发现利用多光谱波段数据可有效区分城区水体、植被、阴影和不透水面等地物,但进一步把光谱混淆严重的不透水性地面区分为建筑物、道路和裸地等则存在困难。因而,本文从建筑物的不透水物理属性出发,结合遥感影像多尺度特性,提出了基于不透水面分割分类提取建筑物的策略。为避免地物光谱多样化带来提取误差,提出了将同一类地物依据影像色调差异继续划分子类分析处理的思路,以多元化地利用影像对象不同特征信息。同时考虑到特征选择对影像分类精度的影响,在对Relief F算法和粒子群优化算法(Particle Swarm optimization,PSO)研究的基础上,提出了Relief F-PSO二阶段组合特征选择方法。研究表明,采用多层次分割分类模型及其特征空间优化的方法,能够较完整准确地提取高分辨率遥感影像城市建筑物信息。此外,为进一步验证说明多层次影像分割分类过程中,影像层次构建的合理性,特征选择方法的有效性和顾及地物光谱差异的必要性。本文针对性地采用叁种分类方法进行了对比研究,得出如下结论:(1)采用单一尺度层对影像中不同类型地物目标提取,容易造成地物“过分割”与“欠分割”问题,分类出现严重的错漏分现象,成果准确率下降了12.45%;(2)根据专家经验知识和影像地物特点,人为分析选择典型特征参与影像分类,会造成建筑物目标提取的完整率和准确率分别下降9.63%和8.26%;(3)不考虑地物光谱多样性特征,将其整体上作为“一个类别”进行分析研究,容易造成光谱相似性地物之间的错分现象,成果完整率下降了11.74%;(4)本文方法能够利用最少数量的影像特征信息,获得最高精度的建筑物提取成果,完整率和准确率分别为91.77%和80.64%,对高分辨率遥感影像城市地物信息的提取研究具有重要的推广应用价值。(本文来源于《兰州大学》期刊2018-04-01）
张猛[10]（2018）在《地层岩性的多层次自组织自动分类方法研究》一文中研究指出在测井资料的处理与解释中,识别地层的岩性是测井资料解释的重要内容,对储层定位与划分、油藏描述等都具有重大意义。随着测井技术的飞速发展,如何综合运用各种测井资料来实现岩性高效、准确、快速的自动识别成为了当下测井资料解释的迫切需求。为解决这个问题,本文从基于图论的多层次聚类算法(MRGC)、SOM自组织神经网络算法、MRGC与SOM算法结合以及软件实现和实例分析四个方面进行了研究。基于图论的多层次聚类算法是对图论算法和层次聚类算法的结合,将TSP问题引入到岩性识别中用以表征岩性的演变,利用层次聚类的思想结合近邻指数概念和核吸引理论,对待分类岩性资料进行粗分类。SOM自组织神经网络算法是一种非监督聚类算法,具备良好的自组织性,本文详细研究自组织神经网络算法的网络结构及原理,吸取前人的经验,将SOM算法应用到岩性自动识别中。MRGC算法和SOM算法的结合,根据其原理,结合MRGC算法确定的多层次分类模式,可以极大地改善SOM算法初始网络对聚类结果的影响,并可加快SOM网络在训练过程中的收敛性。本文利用MRGC方法中的核吸引理论,得到岩性的粗分类结果,再利用SOM算法和动态神经元分裂技术,根据MRGC方法提供的多层次分类方案实现对岩性的由粗到细的分类。并将上述方法用VC++平台实现,编写岩性自动识别模块,挂接到LEAD平台并用于实际资料处理。(本文来源于《长江大学》期刊2018-04-01）
多层次分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于图像的复杂性和人类情感的主观性,图像情感分类是一项非常具有挑战性的任务.针对深度学习方法没有充分考虑图像先验信息的问题,提出一个新的多层次深度卷积神经网络框架.该框架综合考虑全局和局部视角,引入显着主体、颜色和局部等先验信息,从多个层次学习图像的情感表达.实验结果表明,在公开的大数量级和小数量级情感图库上,该框架的分类准确率均高于现有的图像情感分类方法,其平均分类准确率比最优方法提高了2.8%,特别在情感类别"厌恶"上提高了15%.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多层次分类论文参考文献
[1].党涛,宋起,刘勇,徐安建,徐波.基于多层次分割分类模型及其特征空间优化的建筑物提取方法[J].国土资源遥感.2019
[2].王伟凝,李乐敏,黄杰雄,罗杰波,徐向民.基于多层次深度卷积神经网络的图像情感分类[J].华南理工大学学报(自然科学版).2019
[3].周恒晟.基于多层次图注意力卷积神经网络的节点分类模型研究[D].华南理工大学.2019
[4].顾广华,秦芳.基于多层次特征表示的图像场景分类算法[J].高技术通讯.2019
[5].马丽萍.全国人大常委会委员郑功成:构建分层分类多层次的养老服务体系[J].中国社会工作.2019
[6].吴浩,王昕璨,李欣芸,刘志芬,陈俊杰.基于多层次模板的脑功能网络特征选择及分类[J].计算机应用.2019
[7].徐怡,王旭生.多类分类模型和多层次增量算法[J].计算机科学与探索.2019
[8].杨帆,金鑫,沈煜,梁永亮,周志强.小电流接地故障多层次分类及其识别模型[J].电力系统自动化.2018
[9].党涛.基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究[D].兰州大学.2018
[10].张猛.地层岩性的多层次自组织自动分类方法研究[D].长江大学.2018