主講人：林怡
單位：同濟(jì)大學(xué)測(cè)繪與地理信息學(xué)院
職務(wù)/職稱(chēng)：研究員
個(gè)人簡(jiǎn)介：博士，碩士、博士生導(dǎo)師，中國(guó)測(cè)繪學(xué)會(huì)攝影測(cè)量與遙感專(zhuān)業(yè)委員會(huì)委員、中國(guó)測(cè)繪學(xué)會(huì)大數(shù)據(jù)與人工智能工作委員會(huì)委員、國(guó)際地圖制圖協(xié)會(huì)(ICA）Sensor-driven Mapping分委會(huì)委員、上海測(cè)繪學(xué)會(huì)會(huì)員。長(zhǎng)期從事多源遙感影像解譯、RS與GIS技術(shù)綜合應(yīng)用研究。近年來(lái)對(duì)人工智能理論在遙感圖像分析與解譯中的應(yīng)用研究方面取得了多項(xiàng)成果。主持或參加完成了40多項(xiàng)國(guó)家科技支撐、國(guó)家重大研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、科技部國(guó)際合作、上海市重大和國(guó)際合作項(xiàng)目。在國(guó)內(nèi)外學(xué)術(shù)期刊和國(guó)際學(xué)術(shù)會(huì)議上發(fā)表論文90余篇，其中SCI/EI收錄共62篇；參編著書(shū)1部；獲軍隊(duì)科技進(jìn)步、上海市科技進(jìn)步獎(jiǎng)共8項(xiàng)。獲授權(quán)的國(guó)家發(fā)明專(zhuān)利6項(xiàng)；軟件著作權(quán)登記多項(xiàng)。
報(bào)告題目：幾種優(yōu)化機(jī)器學(xué)習(xí)影像分類(lèi)算法的性能比較研究
報(bào)告摘要：在城市可持續(xù)發(fā)展的研究中，準(zhǔn)確的土地利用分類(lèi)已經(jīng)成為監(jiān)測(cè)城市動(dòng)態(tài)變化的重要依據(jù)。因此，有必要建立合適的城鄉(xiāng)土地利用識(shí)別模型。雖然近年來(lái)深度學(xué)習(xí)算法已經(jīng)成為圖像分類(lèi)任務(wù)的研究熱點(diǎn)，并取得了許多良好的效果。但其他機(jī)器學(xué)習(xí)算法并沒(méi)有消失。深度學(xué)習(xí)與機(jī)器學(xué)習(xí)相比，在數(shù)據(jù)依賴(lài)性、硬件依賴(lài)性、特征處理、問(wèn)題解決方法、執(zhí)行時(shí)間、可解釋性等方面都有一定的優(yōu)劣之分。特別是在遙感影像的分類(lèi)方面，對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)算法的不斷研究和發(fā)展仍然具有重要意義。本文研究并比較了幾種基于SLFN的分類(lèi)算法的性能，包括ELM、RBF K-ELM、混合K-ELM、A-ELM和SVM。極限學(xué)習(xí)機(jī)（ELM）是一種新的單隱層前饋神經(jīng)網(wǎng)絡(luò)（SLFN）的算法。它的結(jié)構(gòu)簡(jiǎn)單，速度快，容易訓(xùn)練。然而，在某些應(yīng)用中，標(biāo)準(zhǔn)的ELM很容易被過(guò)度擬合，當(dāng)異常值存在時(shí)，其性能將受到嚴(yán)重影響。為了探討ELM及其改進(jìn)算法在城鄉(xiāng)土地利用分類(lèi)中的性能，用幾個(gè)研究地區(qū)的圖像數(shù)據(jù)對(duì)三種改進(jìn)的ELM算法（RBF K-ELM、混合K-ELM和A-ELM）、ELM和SVM進(jìn)行了比較實(shí)驗(yàn)，并分析了分類(lèi)精度和效率。
京公網(wǎng)安備 11010802031220號(hào)