首页期刊导航|武汉大学学报（信息科学版）
期刊信息/Journal information
武汉大学学报（信息科学版）
武汉大学学报（信息科学版）

刘经南

月刊

1671-8860

journalw@whu.edu.cn

027-68778465

430072

武汉市珞喻路129号武汉大学测绘校区

武汉大学学报（信息科学版）/Journal Geomatics and Information Science of Wuhan UniversityCSCD北大核心CSTPCDEI
查看更多>>本刊为测绘专业学术期刊，主要刊登测绘、遥感、图形图像处理等专业及相关学术论文。发表论文强调先进性、创造性。该刊发表的论文部分收录于EI、SCI、AJ等。
正式出版
收录年代

    基于样本优化策略的滑坡易发性评价

    吴宏阳周超梁鑫王悦...
    1492-1502页
    查看更多>>摘要：准确的易发性评价结果能够对滑坡带来的危险进行精准防控.样本优化是滑坡易发性评价的重要方法,可有效解决不平衡样本产生的决策边界偏移问题,提升滑坡易发性评价精度.以中国重庆市万州区东南区域为例,选取地层、土地利用、高程等10个影响因子构建滑坡易发性评价指标体系,应用频率比方法定量分析滑坡与指标之间的关系,在此基础上分别利用深度神经网络模型(deep neural networks,DNN)、过采样-深度神经网络模型(synthetic minority oversam-pling technique-DNN,SMOTE-DNN)、混合采样-深度神经网络耦合模型(one-class support vector machine-SMOTE-DNN,OS-DNN)、混合采样-深度神经网络-K均值聚类耦合模型(OS-DNN-K-means)进行滑坡易发性评价.结果表明,距道路距离、土地利用、地层是研究区滑坡发育的主要控制因子.精度评价结果发现OS-DNN-K-means(95.61％)和OS-DNN(91.16％)相较于模型SMOTE-DNN(87.97％)和DNN(81.40％)更能有效提高滑坡预测精度.通过混合采样和半监督分类进行样本优化能够有效解决研究区样本不平衡问题,为滑坡灾害空间预测提供新技术支撑.

    滑坡易发性建模深度神经网络混合采样K均值聚类样本优化策略

      原文链接:
    • 万方数据
    • 维普

    人物介绍

    封2页
      原文链接:
    • 万方数据