基于历史分类器二次学习的数据流分类方法

    公开(公告)号:CN109447188A

    公开(公告)日:2019-03-08

    申请号:CN201811599198.4

    申请日:2018-12-26

    CPC classification number: G06K9/6282 G06K9/6256

    Abstract: 本发明提出了一种基于历史分类器二次学习的数据流分类方法,旨在通过历史分类器的二次学习有效利用历史信息,提高动态数据环境下数据流分类的精度,包括如下步骤:获取训练数据和待分类数据;获取分类器;判断存档内存入的分类器数量是否满足要求;对存档中的分类器进行更新;对训练数据进行分类;对历史分类器进行二次学习,并构建分类器集成;对待分类数据进行分类;获取t=m+1以后的待分类数据的分类结果;向用户输出待分类数据的分类结果。本发明在构建集成分类器时,通过对存档中历史存入的分类器进行二次学习,对历史信息进行纠正,从而有效的利用历史信息,提高动态数据环境下数据流分类的精度。

    基于跨阶段局部多尺度密集连接的遥感图像目标检测方法

    公开(公告)号:CN112686139A

    公开(公告)日:2021-04-20

    申请号:CN202011591625.1

    申请日:2020-12-29

    Abstract: 本发明公开了一种基于跨阶段局部多尺度密集连接的遥感图像目标检测方法,主要解决现有技术中不能很好的对遥感图像中多尺度目标进行检测的问题。其实现方案是:1)从公开网站获取遥感图像数据集,将数据集划分为训练集和测试集;2)搭建由主干子网络、特征融合子网络和检测子网络依次连接组成的跨阶段局部多尺度密集连接检测网络;3)用训练集对跨阶段局部多尺度密集连接检测网络进行训练;4)用训练好的网络模型对测试集进行目标检测,输出目标检测结果。本发明具有强化的特征提取能力和对多尺度遥感图像目标检测精度高的优点,可应用于对遥感图像中的多尺度目标识别。

Patent Agency Ranking