基于深度学习的滑坡检测算法研究
发布时间：2021-10-19 12:59
深度学习凭借其强大的深层特征提取和特征组合能力,能充分表示大规模数据内部复杂的非线性关系,已在行业数据应用中显示了突出优势,是当前计算机科学领域研究热点之一。计算机性能的不断提高为深度学习网络层级增加提供了条件支撑,同时也给我们构建学习模型和训练参数理解带来了重大挑战。论文围绕当前深度学习的模型构建与参数训练两大关键问题展开研究,基于高光谱遥感数据,面向滑坡灾害检测目标,综合研究了主流深度学习模型及特点,探索了模型构建机理及训练目标函数的确定方法,总结分析了机器学习常用优化算法和逃离局部最优的策略。最后,立足高光谱遥感数据特点和滑坡目标遥感特征,完成了深度学习在地质灾害领域的典型应用。论文的主要研究内容和研究特色如下:（1）在研究深度学习算法的构建思路及背后物理意义的基础上,以特征驱动分类的思想,综合分析了深度学习算法对数据内部非线性特征的映射能力,通过对比分析不同的网络模型在不同数据集中的特征聚合优势,给出了更有效的模型合并策略。（2）对优化算法的深度学习模型稳定性影响进行了系统研究,结合常规优化算法的推导过程,深入分析了深度学习优化算法的特点,探索了应对大规模高维样本数据的科学解决...
【文章来源】：成都理工大学四川省
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.2.1 深度学习研究现状
1.2.2 遥感滑坡检测研究现状
1.3 主要研究工作
第2章 深度学习理论与方法
2.1 机器学习方法
2.1.1 浅层与深层特征学习
2.1.2 浅层机器学习算法与缺点
2.2 深度学习关键问题
2.2.1 深度学习网络构建
2.2.2 深度学习训练过程
2.3 深层网络模型
2.3.1 深度置信网络
2.3.2 堆栈式自编码器
2.3.3 卷积神经网络
2.4 优化算法
2.4.1 传统优化算法
2.4.2 现代优化算法
2.5 深度学习参数优化
2.5.1 深度学习优化算法
2.5.2 防止过拟合
2.6 本章小结
第3章 高光谱遥感与滑坡灾害特征
3.1 高光谱遥感成像原理
3.2 高光谱遥感数据特征
3.2.1 实验数据简介
3.2.2 高光谱数据特征
3.3 滑坡灾害目标概述
3.3.1 滑坡地质灾害
3.3.2 滑坡影像特征
3.3.3 滑坡影响因子
3.4 本章小结
第4章 基于深度学习的滑坡检测模型设计与实现
4.1 约束条件下基于DBN的滑坡检测模型
4.2 约束条件下联合DBN和DCNN的滑坡检测方法
4.3 实验分析与验证
4.3.1 实验数据处理
4.3.2 RBM的光谱的重构
4.3.3 DBN网络深度对分类的影响
4.3.4 卷积网络对滑坡特征的提取
4.3.5 滑坡检测效果比较
4.4 本章小结
第5章 结论与展望
5.1 研究结论
5.2 研究展望
致谢
参考文献
攻读硕士期间取得研究成果
【参考文献】：
期刊论文
[1]无人机遥感数据处理与滑坡信息提取[J]. 陈天博,胡卓玮,魏铼,胡顺强. 地球信息科学学报. 2017(05)
[2]最优分割尺度的滑坡信息提取[J]. 雍万铃,杨树文,张立峰,杨猛. 测绘科学. 2017(03)
[3]无人机在强震区地质灾害精细调查中的应用研究[J]. 王帅永,唐川,何敬,张卫旭,方群生,程霄. 工程地质学报. 2016(04)
[4]Optimizing Hotspot Areas for Ecological Planning and Management Based on Biodiversity and Ecosystem Services[J]. XIAO Yang,OUYANG Zhiyun,XU Weihua,XIAO Yi,ZHENG Hua,XIAN Chaofan. Chinese Geographical Science. 2016(02)
[5]受限波尔兹曼机[J]. 张春霞,姬楠楠,王冠伟. 工程数学学报. 2015(02)
[6]滑坡高分辨率遥感多维解译方法及其应用[J]. 鲁学军,史振春,尚伟涛,周和颐. 中国图象图形学报. 2014(01)
[7]滑坡图像自动识别浅议[J]. 王治华. 地球信息科学学报. 2013(05)
[8]典型滑坡遥感影像特征研究[J]. 童立强,郭兆成. 国土资源遥感. 2013(01)
[9]汶川震区北川县城泥石流源地特征的遥感动态分析[J]. 唐川,丁军,梁京涛. 工程地质学报. 2010(01)
[10]汶川地震山地灾害遥感快速提取及其分布特点分析[J]. 苏凤环,刘洪江,韩用顺. 遥感学报. 2008(06)
硕士论文
[1]基于卷积神经网络的深度学习算法与应用研究[D]. 张效荣.西安电子科技大学 2015
[2]深度网络模型构建及学习算法研究[D]. 李倩.西安电子科技大学 2014
[3]绝对值方程的广义牛顿算法及其收敛性[D]. 魏庆举.北京交通大学 2009
本文编号：3444917
【文章来源】：成都理工大学四川省
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.2.1 深度学习研究现状
1.2.2 遥感滑坡检测研究现状
1.3 主要研究工作
第2章 深度学习理论与方法
2.1 机器学习方法
2.1.1 浅层与深层特征学习
2.1.2 浅层机器学习算法与缺点
2.2 深度学习关键问题
2.2.1 深度学习网络构建
2.2.2 深度学习训练过程
2.3 深层网络模型
2.3.1 深度置信网络
2.3.2 堆栈式自编码器
2.3.3 卷积神经网络
2.4 优化算法
2.4.1 传统优化算法
2.4.2 现代优化算法
2.5 深度学习参数优化
2.5.1 深度学习优化算法
2.5.2 防止过拟合
2.6 本章小结
第3章 高光谱遥感与滑坡灾害特征
3.1 高光谱遥感成像原理
3.2 高光谱遥感数据特征
3.2.1 实验数据简介
3.2.2 高光谱数据特征
3.3 滑坡灾害目标概述
3.3.1 滑坡地质灾害
3.3.2 滑坡影像特征
3.3.3 滑坡影响因子
3.4 本章小结
第4章 基于深度学习的滑坡检测模型设计与实现
4.1 约束条件下基于DBN的滑坡检测模型
4.2 约束条件下联合DBN和DCNN的滑坡检测方法
4.3 实验分析与验证
4.3.1 实验数据处理
4.3.2 RBM的光谱的重构
4.3.3 DBN网络深度对分类的影响
4.3.4 卷积网络对滑坡特征的提取
4.3.5 滑坡检测效果比较
4.4 本章小结
第5章 结论与展望
5.1 研究结论
5.2 研究展望
致谢
参考文献
攻读硕士期间取得研究成果
【参考文献】：
期刊论文
[1]无人机遥感数据处理与滑坡信息提取[J]. 陈天博,胡卓玮,魏铼,胡顺强. 地球信息科学学报. 2017(05)
[2]最优分割尺度的滑坡信息提取[J]. 雍万铃,杨树文,张立峰,杨猛. 测绘科学. 2017(03)
[3]无人机在强震区地质灾害精细调查中的应用研究[J]. 王帅永,唐川,何敬,张卫旭,方群生,程霄. 工程地质学报. 2016(04)
[4]Optimizing Hotspot Areas for Ecological Planning and Management Based on Biodiversity and Ecosystem Services[J]. XIAO Yang,OUYANG Zhiyun,XU Weihua,XIAO Yi,ZHENG Hua,XIAN Chaofan. Chinese Geographical Science. 2016(02)
[5]受限波尔兹曼机[J]. 张春霞,姬楠楠,王冠伟. 工程数学学报. 2015(02)
[6]滑坡高分辨率遥感多维解译方法及其应用[J]. 鲁学军,史振春,尚伟涛,周和颐. 中国图象图形学报. 2014(01)
[7]滑坡图像自动识别浅议[J]. 王治华. 地球信息科学学报. 2013(05)
[8]典型滑坡遥感影像特征研究[J]. 童立强,郭兆成. 国土资源遥感. 2013(01)
[9]汶川震区北川县城泥石流源地特征的遥感动态分析[J]. 唐川,丁军,梁京涛. 工程地质学报. 2010(01)
[10]汶川地震山地灾害遥感快速提取及其分布特点分析[J]. 苏凤环,刘洪江,韩用顺. 遥感学报. 2008(06)
硕士论文
[1]基于卷积神经网络的深度学习算法与应用研究[D]. 张效荣.西安电子科技大学 2015
[2]深度网络模型构建及学习算法研究[D]. 李倩.西安电子科技大学 2014
[3]绝对值方程的广义牛顿算法及其收敛性[D]. 魏庆举.北京交通大学 2009
本文编号：3444917
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3444917.html
