首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究

摘要第4-6页
abstract第6-8页
第一章 绪论第15-29页
    1.1 研究意义与选题背景第15-17页
    1.2 国内外研究现状第17-25页
        1.2.1 遥感影像时间序列分类方法第17-20页
        1.2.2 遥感影像时间序列变化检测方法第20-23页
        1.2.3 存在的问题第23-25页
    1.3 研究概述第25-27页
        1.3.1 研究对象第25页
        1.3.2 研究目标第25-26页
        1.3.3 研究内容第26-27页
    1.4 论文组织结构第27-29页
第二章 RNN基本理论、算法以及应用第29-39页
    2.1 RNN的基本思想第29-30页
    2.2 RNN的变种第30-34页
        2.2.1 长短期记忆单元神经网络第31-33页
        2.2.2 门限循环单元神经网络第33-34页
    2.3 RNN的应用第34-39页
        2.3.1 RNN模型的模式以及应用第34-36页
        2.3.2 RNN在遥感图像处理中的应用第36-39页
第三章 研究区域及数据处理第39-59页
    3.1 研究区域第39-40页
    3.2 实验数据第40-44页
        3.2.1 MODIS时间序列第40-43页
        3.2.2 Landsat-8时间序列第43-44页
    3.3 数据处理第44-59页
        3.3.1 MODIS时间序列重构第44-48页
        3.3.2 Landsat-8影像去云处理第48-50页
        3.3.3 训练样本和测试样本选取第50-59页
第四章 基于深度循环神经网络模型的遥感影像时间序列分类第59-90页
    4.1 概述第59-61页
    4.2 基于深度RNN模型的土地覆盖分类第61-68页
        4.2.1 深度栈式LSTM模型第61-63页
        4.2.2 深度双向LSTM模型第63-65页
        4.2.3 数据增强第65-68页
    4.3 实验与分析第68-88页
        4.3.1 实验设置第68-69页
        4.3.2 分类精度评价方法第69-71页
        4.3.3 模型结构参数的确定第71-73页
        4.3.4 数据增强的重要性第73-77页
        4.3.5 实验结果与精度评价第77-88页
    4.4 小结第88-90页
第五章 基于Seq2Seq模型的遥感影像时间序列变化检测第90-114页
    5.1 概述第90-92页
    5.2 相关基础理论介绍第92-97页
        5.2.1 Seq2Seq模型第92-95页
        5.2.2 注意力机制第95-97页
    5.3 基于Seq2Seq模型的建设用地占用耕地检测第97-104页
        5.3.1 Seq2Seq模型构建第97-99页
        5.3.2 训练数据生成和扩增第99-101页
        5.3.3 建设用地占用耕地检测第101-104页
    5.4 实验与分析第104-112页
        5.4.1 实验设置第104-106页
        5.4.2 变化检测精度评价方法第106-107页
        5.4.3 模型结构参数的确定第107-108页
        5.4.4 实验结果与精度评价第108-112页
    5.5 小结第112-114页
第六章 总结与展望第114-119页
    6.1 全文总结第114-115页
    6.2 主要创新点第115-116页
    6.3 存在的问题及后续研究展望第116-119页
参考文献第119-131页
硕博期间发表论文及申请专利第131-132页
硕博期间参与科研与工程项目第132-133页
致谢第133-134页

论文共134页,点击 下载论文
上一篇:智能生态油炸机的研究
下一篇:继电保护设备状态检修辅助决策系统设计与实现