项目名称: 基于协同半监督学习和稀疏表示的极化SAR地物分类

项目编号: No.61173092

项目类型: 面上项目

立项/批准年度: 2012

项目学科: 计算机科学学科

项目作者: 王爽

作者单位: 西安电子科技大学

项目金额: 58万元

中文摘要: 本课题从特征提取和分类器设计两方面入手,研究极化SAR地物分类问题。针对当前极化SAR数据处理只关注极化散射特性,而没有考虑人类视觉感知特性的问题,基于视觉感知的稀疏编码机理,研究极化SAR数据特性和信号稀疏表示方法,提出基于稀疏表示的极化SAR数据特征提取方法。在此基础上针对极化SAR标识样本匮乏、训练样本的代表性不均匀,以及各类别之间存在不平衡等问题,采用协同半监督学习方法,首先对现有协同训练算法的局限性进行分析,针对具有小样本和非平衡特点的极化SAR地物分类问题,提出改进策略,建立极化SAR地物分类的协同半监督学习方法,并用RADARSAT 2和PALSAR的全极化SAR数据验证其有效性。研究成果在本领域重要期刊和会议上发表论文15-20篇,申报国家法发明专利6-8项,联合培养博士、硕士5-8名。

中文关键词: 极化SAR;特征提取;地物分类;稀疏表示;半监督学习

英文摘要:

英文关键词: polarimetric sar;feature extraction;terrain classification;sparse representation;semi-supervised learning

成为VIP会员查看完整内容
0

相关内容

专知会员服务
67+阅读 · 2021年9月10日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
77+阅读 · 2020年12月6日
基于深度神经网络的少样本学习综述
专知会员服务
169+阅读 · 2020年4月22日
专知会员服务
110+阅读 · 2020年3月20日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
目标检测之殇—小目标检测
极市平台
4+阅读 · 2021年11月3日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月17日
AutoML: A Survey of the State-of-the-Art
Arxiv
69+阅读 · 2019年8月14日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
23+阅读 · 2018年10月1日
小贴士
相关VIP内容
专知会员服务
67+阅读 · 2021年9月10日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
28+阅读 · 2021年6月4日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
77+阅读 · 2020年12月6日
基于深度神经网络的少样本学习综述
专知会员服务
169+阅读 · 2020年4月22日
专知会员服务
110+阅读 · 2020年3月20日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
「图像异常检测 」最新2022研究综述
专知
5+阅读 · 2022年4月16日
目标检测之殇—小目标检测
极市平台
4+阅读 · 2021年11月3日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员