摘要
نظرًا للاختلافات الملحوظة في عدد النطاقات، والنطاق الطيفي، والدقة المكانية بين مجموعات بيانات الطيفية العالية المختلفة، توجد أيضًا هياكل شبكات مثلى مختلفة تناسب مجموعات بيانات الطيفية العالية المختلفة. بالإضافة إلى ذلك، تتطلب الشبكات العميقة المصممة يدويًا تعديل العديد من المعلمات الفائقة، مما يشكل تحديًا جادًا لتصميم نموذج تصنيف عام مناسب لمجموعات بيانات الطيفية العالية المتنوعة. يقترح هذا البحث خوارزمية بحث عن الهيكلية العصبية التي تجمع بين آلية الانتباه الفعالة لتحقيق تصميم تلقائي للشبكة العميقة لتجنب تحيز تصميم الشبكة اليدوي. أولاً، لبناء عملية بحث فعالة، تم بناء نموذج يعتمد على البحث الهيكلي الشبكي القابل للاشتقاق، والذي يمكن أن يسرّع بشكل فعال سرعة البحث عن الشبكة ذات المعلمات الفائقة. ثم، لتحقيق نتائج تصنيف عالية الدقة، تم تصميم فضاء بحث معياري جديد. أخيرًا، نظرًا لمشكلة سوء التصنيف الناجمة عن توازن الفئات غير المتكافئ في بيانات الطيفية العالية، تم استخدام دالة خسارة Poly لزيادة وزن الخسارة للفئات الأقل عددًا، مما يعزز قدرة النموذج على التعرف على هذه الفئات. تظهر نتائج التجارب على مجموعات بيانات الطيفية العالية العامة أن الطريقة المقترحة حققت دقة تصنيف كلية بلغت 99.50% و97.81%. حيث يستكشف هذا العمل تطبيق البحث الهيكلي العصبي في مهمة تصنيف الطيفية العالية، محسنًا دقة التصنيف وكفاءة تصميم الخوارزميات.
关键词
صور الطيفية العالية;تصنيف الصور;بحث هيكلي عصبي;آلية الانتباه
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website