档案的实体分类与信息分类的关系

通过对档案实体分类和信息分类概念的介绍及对两者联系、区别的分析,得出二者是不能替代互相补充的关系。     

遥感视角下的中国风景名胜区

风景名胜区遥感监测是综合运用遥感、地理信息系统(GIS)等信息化技术手段,对风景名胜区资源保护和利用状况以及规划实施情况进行动态监测,实现对风景名胜区内的建设工程、土地利用和生态环境变化情况的大范围、短周期的动态监测和快速     

无人机分类研究

根据无人机设计规范研究需要,本文首先对现役和在研的无人机分类进行统计分析,然后参考有人机和导弹的分类,再考虑21世纪无人机的发展,将固定翼、轮式起落架起飞/着陆的无人机划分为战术类、战略类和作战类三类无人机是科学的、合适的。     

天津滨海机场交通体系和土地开发利用的研究

从交通和土地利用方面分析了天津机场的优势及发展潜力，并研究了机场所面临的问题和不足，在此基础上提出了发展天津机场的若干对策和途径。     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。     

通用航空业务的分类组合及其潜在市场需求分析

通用航空业务种类繁多，通航企业可以根据市场需要选择多种通航业务。本通过对通航业务进行分类，分析了通航业务及其组合的特点，提出了通用航空业的潜在市场细分标准和市场需求的评估技术。     

雷达PRI调制样式识别新方法

针对雷达PRI调制样式识别难题,在分析雷达PRI类型的基础上,提出了能够有效描述雷达PRI调制特征的五种分类特征参数,分析了对存在丢失和虚假脉冲的处理方法,并据此提出了PRI调制样式的识别算法与实现流程,实现了五种典型PRI调制样式的有效识别。理论分析与计算机仿真结果表明,该方法在PRI测量精度较低和丢失虚假脉冲比例较高的情况下具有稳健的识别性能。     

基于卷积神经网络的终端空域交通复杂度辨识

辨识终端空域交通复杂度对空中交通管理的安全和效率起着关键作用。利用交通态势的瞬时图像,基于深度学习研究终端空域交通复杂度的辨识方法。构建交通态势图像,并通过对复杂性指标进行聚类实现数据标记。提出了基于卷积神经网络分类的交通复杂度辨识方法。以广州终端空域的进离场运行为研究案例实施验证。结果表明,一方面,包括飞机经度、纬度、高度和速度信息在内的图像可以充分代表空中交通的复杂性;另一方面,所提出的模型可以有效识别终端空域空中交通复杂性。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。