首页期刊导航|激光技术
期刊信息/Journal information
激光技术
西南技术物理研究所
激光技术

西南技术物理研究所

侯天晋

双月刊

1001-3806

jgjs@sina.com

028-68011091

610041

成都238信箱

激光技术/Journal Laser TechnologyCSCD北大核心CSTPCD
查看更多>>本刊是经国家科学技术部(原国家科委)批准向国内外公开发行的学术性刊物，是我国无线电电子学、电信技术类及物理类中文核心期刊，属国家级科学技术刊物。本刊紧密跟踪国内外高技术的进展和开拓性新领域的动态，主要报道国内外与激光有关的光学、电子学等领域内不同发展时期的新材料、新工艺、新技术、新元件、新的工程应用中有创新的学术论文和有创见的综述性文章。
正式出版
收录年代

    基于SMOTE-UVE-SVM的小麦种子纯度高光谱图像检测

    朱潘雨黄敏赵鑫
    281-287页
    查看更多>>摘要：为了解决基于高光谱成像技术的小麦种子纯度检测过程中样本不均衡及波段信息冗余导致纯度检测模型性能下降的问题,提出了一种融合合成少数类过采样技术(SMOTE)、非信息变量剔除(UVE)和支持向量机(SVM)的种子纯度高光谱检测模型.该模型利用SMOTE算法对小麦种子少数类(杂质)样本进行扩充,改善样本的不均衡性;同时利用UVE对高维的高光谱特征进行选择,并构建SVM模型作为分类器,以进一步提高分类的性能.结果表明,5类小麦种子的平均准确率、精确率和负样本检出率分别达到95.98％、94.94％和89.32％,较传统方法分别提高了 3.89％、7.18％和12.42％.所提出的方法在基于高光谱成像技术的小麦种子纯度检测中具有较好的应用前景.

    光谱学高光谱成像技术合成少数类过采样技术非信息变量剔除种子纯度

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    机器学习参与山区村落影像点云分类的研究

    李霞杨正维黄俊伟杨亚复...
    288-294页
    查看更多>>摘要：为了利用点云技术更好地获取地表信息,用无人机AA1300的内置光学镜头采集影像数据,构建2-D的数字正射影像地图(DOM),悬挂GS-1350N镜头采集3-D的激光雷达点云;通过k最近邻法(KNN)、支持向量机法(SVM)和随机森林法(RF)来实现DOM分类,用定量分析中精度高的方法分类3-D点云,并进行了 2-D和3-D的分类映射对比分析.结果表明,2-D的DOM分类中,相对于KNN和SVM,RF的kappa系数分别高3.74％和2.16％,全局精度分别高4.04％和2.88％;2-D的分类结果通过直接线性变换到3-D点云中,可实现2-D和3-D的点云分类,映射精度达94.15％;而在相同条件下,相对于2-D/3-D点云映射,直接3-D点云分类能更完整地呈现地物信息.3-D点云的精准分类对获取地表信息是有帮助的.

    激光技术图像处理机器学习随机森林分类法高原山区乡村

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    《激光技术》征稿简则

    封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据