基于卷积神经网络的候鸟潜在分布预测
从遥感影像中提取生态位因子在物种潜在分布模型中扮演着重要角色,然而这些模型存在数据质量低和训练样本少等问题.随着先进数据采集设备的应用,所获得的大量动物轨迹数据可以用来对物种潜在栖息地进行标记,进而从遥感影像中提取用于物种分布模型的有效训练样本.本文首先利用DBSCAN算法对动物轨迹数据进行聚类,基于聚类结果将遥感影像按照小区域分成正负样本,然后利用提出一种改进的卷积神经网络进行训练和预测斑头雁在青海湖周边的潜在分布情况.通过和传统基于灰度共生矩阵的方法进行比较,本文提出的方法在各项评价指标上都有一定提升,同时实验结果也表明我们方法能更好的预测斑头雁在青海湖周围的潜在分布情况.
卷积神经网络、DBSCAN、栖息地、物种分布、候鸟
27
国家科技部国家科技基础条件平台项目DKA2017-12-02-18;中国科学院计算机网络信息中心所级项目ZXRW—201603,ZXRW—201603
2018-11-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
248-254