一种大区域滑坡识别的ANLM并行DCNN分类方法技术

本发明专利技术公开了一种大区域滑坡识别的ANLM并行DCNN分类方法，包括以下步骤：S1：数据预处理；S1‑1：图像划分；根据预设的计算节点数量，将原始图像划分为相应数目的图像块，并将划分好的图像块分发到各计算节点进行并行处理；S1‑2：并行去噪；S1‑3：图像合并；S2：对去噪后的图像M”和卷积核进行参数转换；S3：参数并行训练；通过参数转换进行前向传播，并在各节点上进行反向传播，最终获取模型并行训练结果；S4：通过动态负载调整策略DLA对参数进行并行更新。能够显著提升DCNN模型在大数据环境下的训练效率，同时在滑坡图像数据集上表现出良好的可扩展性。

【技术实现步骤摘要】

本专利技术涉及大数据挖掘和gis，特别是涉及一种anlm并行深度卷积神经网络分类方法。

技术介绍

1、滑坡是一种常见的地质灾害，对人类生命财产安全和基础设施建设构成严重威胁。随着经济社会的快速发展，滑坡灾害呈现多发、频发的趋势。传统的滑坡识别主要依赖于人工实地勘察和专家经验判断，存在效率低、成本高、主观性强等缺点。

2、近年来，遥感、地理信息系统(gis)、全球定位系统(gps)等技术的快速发展，为滑坡识别提供了新的技术手段。遥感技术可以快速获取大范围的地表信息，并通过光谱、纹理、形态等特征识别滑坡体。合成孔径雷达(sar)、激光雷达(lidar)等技术可获取高精度的三维地形信息，并监测滑坡体的形变。gis技术可以集成多源、多尺度、多时相的数据，并进行空间分析和制图。gps技术可实现滑坡体的精确定位和变形监测。

3、与此同时，机器学习和深度学习技术在滑坡识别中得到了广泛应用。基于统计和概率模型的机器学习方法，如逻辑回归、支持向量机、随机森林等，可以从多种地质、地貌、水文等因子中提取滑坡敏感性指标，实现滑坡易发区的识别和预测。深度学习本文档来自技高网...

【技术保护点】

1.一种大区域滑坡识别的ANLM并行DCNN分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种大区域滑坡识别的ANLM并行DCNN分类方法，其特征在于：步骤S1-1包括：

3.根据权利要求1所述的一种大区域滑坡识别的ANLM并行DCNN分类方法，其特征在于：步骤S1-2包括：

4.根据权利要求1所述的一种大区域滑坡识别的ANLM并行DCNN分类方法，其特征在于：步骤S1-3包括：

5.根据权利要求1所述的一种大区域滑坡识别的ANLM并行DCNN分类方法，其特征在于：步骤S2包括：

6.根据权利要求1所述的一种大区...

【技术特征摘要】

1.一种大区域滑坡识别的anlm并行dcnn分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种大区域滑坡识别的anlm并行dcnn分类方法，其特征在于：步骤s1-1包括：

3.根据权利要求1所述的一种大区域滑坡识别的anlm并行dcnn分类方法，其特征在于：步骤s1-2包括：

4.根据权利要求1所述的一种大区域滑坡识别的anlm并行dcnn分类方法，其特征在于：步骤s1-3包括：

5.根据权利要求1所述的一种大区域滑坡识别的anlm并行dcnn分类方法，其特征在于：步骤s2包括：

6.根据...

【专利技术属性】
技术研发人员：毛伊敏，苗德成，尚耀军，黄子龙，阿汉盖力·南妮卡然·亚瑟，
申请(专利权)人：江西理工大学，
类型：发明
国别省市：