综上,本文考虑高程数据误差的空间异质性,构建基于深度置信网络(deep belief networks,DBN)的多源DEM点面融合模型,以高精度激光雷达测高点为参考,引入地形因子、地物覆盖分类信息,学习栅格DEM误差的空间分布统计特征,利用学习得到的统计特征模式进行空间预测,得到融合后的无缝DEM。 1.?? 数据和方法 1.1?? 输入数据
51CTO博客已为您找到关于arcgisdem融合的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及arcgisdem融合问答内容。更多arcgisdem融合相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。
例如,基于机器学习和深度学习的融合与修复方法,这些方法能够通过学习大量数据中的规律和模式,自动调整参数和模型,从而提高数据处理的效果和效率。此外,我们还可以研究如何将多源数据进行有效融合,以提高数据的精度和完整性。同时,我们也需要关注如何提高数据处理效率,以适应大规模、高分辨率的DEM数据处理需求。 综上所述,...
1.3 基于高差拟合神经网络的点面校正方法 人工神经网络(artificial neural network,ANN)只需确定非常量性参数,便能自组织、自学习、自适应地挖掘数据统计特征。因其强大的拟合能力、学习能力和较强的鲁棒性,被广泛地应用于回归问题中[25-26]。本文通过ASTER GDEM v2和ICESat GLAS构建训练样本集,挖掘二者的统计关系,...
基于深度置信网络的多源DEM点面融合模型_岳林蔚 下载积分: 350 内容提示: 第46 卷第 7 期2021 年 7 月Vol.46 No.7July 2021武 汉大学学报·信息科学版Geomatics and Information Science of Wuhan University基于深度置信网络的多源 DEM 点面融合模型岳林蔚1,2沈焕锋3袁强强4刘修国21 华东师范大学地理信息科学...