【技术实现步骤摘要】
本专利技术涉及多源数据地物分类的领域，尤其涉及一种基于密集连接和注意力机制的数据融合分类方法。
技术介绍
1、目前，在遥感数据处理领域，地物分类问题仍然是一个热点问题。然而，在大数据的背景下，寻找切实可行的方法来提高分类精度并实现尽可能的自动化，是智能化数据处理亟需解决的关键问题。另外，现有的遥感数据分类方法主要针对单一遥感数据源，对于多源异构遥感数据的智能化融合分类仍然需要更深入的研究。
2、在遥感数据处理中，传统方法在特征提取阶段主要依赖于手工特征，这种方法繁琐且需要丰富的经验和领域知识。而在特征融合阶段，传统方法仅仅是简单地堆叠异构特征形成扩展的特征向量，无法深度融合异构特征以形成具有较强判别性的高层次特征。尽管传统机器学习方法已经相对成熟，但多光谱图像所包含的丰富信息以及多模态数据之间的异构性使得传统机器学习方法受到了很大的限制。
3、因此，有必要借助深度学习方法，开展多源数据融合分类方法的研究，构造适合于遥感多源异构数据地物信息特征提取和融合分类的网络模型，从而进一步提高地物分类精度。
【技术保护点】
1.一种基于密集连接和注意力机制的数据融合分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于密集连接和注意力机制的数据融合分类方法，其特征在于，感数据集预处理的具体过程为：
3.根据权利要求1所述的基于密集连接和注意力机制的数据融合分类方法，其特征在于，特征提取的具体方法为：
4.根据权利要求3所述的基于密集连接和注意力机制的数据融合分类方法，其特征在于，设计LiDAR数据特征提取的二维DenseNet的具体方法为：
5.根据权利要求3所述的基于密集连接和注意力机制的数据融合分类方法，其特征在于，设计MS...
【技术特征摘要】
1.一种基于密集连接和注意力机制的数据融合分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于密集连接和注意力机制的数据融合分类方法，其特征在于，感数据集预处理的具体过程为：
3.根据权利要求1所述的基于密集连接和注意力机制的数据融合分类方法，其特征在于，特征提取的具体方法为：
4.根据权利要求3所述的基于密集连接和注意力机制的数据融合分类方法，其特征在于，设计lidar数据特征提取的二...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。