您的位置： 专家智库 > >

国家自然科学基金(61273248)

作品数：4 被引量：9H指数：2
相关作者：张金区李慧韦鹏魏会明屠良平更多>>
相关机构：华南师范大学中国科学院国家天文台河南理工大学更多>>
发文基金：国家自然科学基金辽宁省教育厅科学基金广东省自然科学基金更多>>
相关领域：天文地球自动化与计算机技术更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 2篇天文地球
  • 2篇自动化与计算...

主题

  • 1篇单脉冲
  • 1篇多光谱
  • 1篇多光谱遥感
  • 1篇多光谱遥感影...
  • 1篇遥感
  • 1篇遥感影像
  • 1篇仪器
  • 1篇质心
  • 1篇射频
  • 1篇射频干扰
  • 1篇神经网
  • 1篇神经网络
  • 1篇探测器
  • 1篇图像
  • 1篇重建图像
  • 1篇网络
  • 1篇脉冲
  • 1篇光谱分类
  • 1篇BP神经
  • 1篇BP神经网

机构

  • 3篇华南师范大学
  • 1篇辽宁科技大学
  • 1篇河南理工大学
  • 1篇中国科学院国...

作者

  • 3篇张金区
  • 2篇李慧
  • 1篇王志衡
  • 1篇赵永恒
  • 1篇罗阿理
  • 1篇屠良平
  • 1篇魏会明
  • 1篇韦鹏

传媒

  • 1篇天文学报
  • 1篇光谱学与光谱...
  • 1篇计算机与数字...
  • 1篇天文研究与技...

年份

  • 2篇2022
  • 1篇2021
  • 1篇2015
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
BP神经网络在重建多光谱遥感影像波段中的应用被引量：1
2021年
多光谱遥感影像波段之间存在着一定的相关性,发现并找出各波段之间的相关关系,并利用这种关系还原多光谱遥感影像损失的任意部分波段信息,对于深层次的影像信息提取具有重要作用。论文以Landsat TM遥感数据为例,随机选取多光谱遥感影像中六个波段任意同一位置部分影像作为神经网络的训练数据,剩余波段对应位置的数据作为神经网络的标签数据,通过BP神经网络去训练进行重建损失部分的波段研究。结果表明:1)对于重建任意影像波段的损失部分均取得相当好的效果;2)增加训练的数据量,同时适当地加深BP神经网络的深度层数,网络结构性能会变得更好,能提升重建图像质量;3)通过BP神经网络训练出的模型具有很好的稳定性,其原多光谱遥感影像波段和经BP神经网络训练出的模型所重建的波段之间的相关系数总体约可达0.99,PSNR值总体约为37.44,SSIM值总体约为0.97,MSSIM值总体约为0.97。研究表明,该BP神经网络结构及其模型在重建多光谱遥感影像波段方面具有一定的应用价值。
欧建荣熊孝天钱朗张金区
关键词：BP神经网络遥感波段重建图像
基于局部均值的K-近质心近邻光谱分类被引量：3
2015年
天体光谱包含着许多重要的关于天体的物理和化学信息,如天体表面的有效温度、重力加速度以及化学丰度等,天体光谱的处理和分析对天文研究具有重要的科学意义。一些大型巡天计划的实施(如SDSS,LAMOST等)使我们获得了海量的天文光谱数据,因此天文光谱数据的自动分类成为重要的科学研究课题,然而面对如此海量的光谱数据,一些传统的光谱自动分类方法已经不适用,迫切需要寻找高效率的光谱自动分类技术。研究了基于局部均值的K-近质心近邻(local mean-based K-nearest centroid neighbor,LMKNCN)算法在恒星(Star)、星系(Galaxy)和类星体(Quasar,QSO)的光谱分类中的应用。LMKNCN算法的基本思想是根据近质心近邻原则,从每一类训练样本集中为待测样本点选取k个近质心近邻点,然后根据每一类中所选取的k个近质心近邻点的均值点到待测样本点x的距离来判别x的所属类别。针对美国SDSS-DR8的天体光谱数据,对比了K-近邻、K-近质心近邻、LMKNCN三种算法在恒星、星系和类星体的光谱分类中所表现的性能,结果表明三种方法中,LMKNCN算法对这三种光谱的识别率高于其他两种算法或者与其相当,而且其平均分类正确率高于另外两种算法,特别是在类星体的识别率上表现的更好。表明了该算法对天文光谱大数据的快速处理和有效利用具有重要的意义。
屠良平魏会明王志衡韦鹏罗阿理赵永恒
关键词：光谱分类K-近邻
射频干扰检测的SumThreshold算法
2022年
射频干扰(Radio Frequency Interference,RFI)是射电目标搜寻和精确分析研究的关键影响因素,因此RFI检测是相关数据处理中的一个重要环节.已有RFI检测方法可分为成分分解法、阈值分析法、机器学习类方法.从应用广泛性和可解释性方面考虑,阈值分析法最具代表性,特别是SumThreshold是近年备受关注的一个RFI检测方法.从SumThreshold方法的原理、算法设计、优化要点、适用性等方面进行介绍和探讨,以供同行参考.
李慧丁雨君李乡儒张金区
关键词：射频干扰
基于XGBoost的单脉冲信号识别研究被引量：5
2022年
脉冲星搜寻是射电天文领域的重要研究方向。随着大型射电望远镜的不断建设和发展,数据量呈指数增长,如何及时从快速获取的海量数据中准确识别脉冲星信号成为当前面临的巨大挑战。以低频射电阵列(Low Frequency Array,LOFAR)联合阵列巡天项目的观测数据为例,设计了针对单脉冲信号识别的10个特征变量,进一步研究了XGBoost结合包裹式特征选择法在单脉冲信号识别中的应用,并对比分析了GBDT(Gradient Boosting Decision Tree)、AdaBoost、随机森林和BP(Back Propagation)神经网络等模型对单脉冲信号识别的效果。实验结果表明,XGBoost结合包裹式特征选择法在单脉冲信号识别方面更具综合优势,误分类率最低,分类结果的精确率、召回率与F1分数最高,平均高出其他模型1到2个百分点。从特征选择上来说,有9个特征被选为最优特征。本研究设计的特征变量和识别方法可为我国开展以500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)探测信号为主的脉冲星搜寻提供方法和技术参考。
凌毓张金区李乡儒李慧
关键词：单脉冲
全选 清除 导出
共1页<1>
聚类工具0