钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
农业科学期刊
\
农业工程期刊
\
农业机械学报期刊
\
基于K-means聚类与RBFNN的点云DEM构建方法
基于K-means聚类与RBFNN的点云DEM构建方法
作者:
李沛婷
田文忠
赵庆展
马永建
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取
无人机机载激光雷达
数字高程模型
肘方法
K-means聚类
径向基函数神经网络
线性回归
摘要:
因无人机机载激光雷达(Light detection and ranging,LiDAR)数据具有离散性,在生成数字高程模型(Digital elevation model,DEM)时需选择有效插值方法.以荒漠植被区为研究背景,使用零-均值标准化方法归一化点云回波强度,利用肘方法确定最佳聚类数目,采用K-means方法对点云强度值聚类得到地面点云.在此基础上,采用克里金(Kriging)方法插值抽稀率为20%和80%的地面点云数据,且将点云高程作为变量,建立RBF神经网络预测模型,并通过线性回归检验方法对模型进行精度分析,采用Delaunay三角网内插生成高精度DEM.结果 表明:采用K-means方法实现最佳聚类数目为4的聚类,得到地面点云48 722个,在点云较优抽稀率20%的情况下,径向基函数神经网络(Radical basis function neural network,RBFNN)训练时间为56 s,点云高程预测的决定系数R2为0.887,均方根误差RMSE为0.168m.说明使用RBFNN对K-means聚类滤波得到的地面点云进行高程预测效果较好,可为基于点云构建高精度DEM提供参考.
暂无资源
收藏
引用
分享
推荐文章
基于K-means聚类方法的三维点云模型分割
三维模型分割
聚类分割
三维点云模型
K均值聚类
基于最近共享邻居节点的K-means聚类算法
聚类分析
K-means
最近共享邻居
一种基于网格的K-Means聚类算法
聚类算法
K-Means
网格
改进K-means聚类的云任务调度算法
云计算
K-means聚类
调度
CloudSim
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
基于K-means聚类与RBFNN的点云DEM构建方法
来源期刊
农业机械学报
学科
地球科学
关键词
无人机机载激光雷达
数字高程模型
肘方法
K-means聚类
径向基函数神经网络
线性回归
年,卷(期)
2019,(9)
所属期刊栏目
农业信息化工程
研究方向
页码范围
208-214
页数
7页
分类号
TN958.98|P231.5
字数
5635字
语种
中文
DOI
10.6041/j.issn.1000-1298.2019.09.024
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
田文忠
石河子大学机械电气工程学院
2
0
0.0
0.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(214)
共引文献
(156)
参考文献
(20)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1977(1)
参考文献(0)
二级参考文献(1)
1983(2)
参考文献(0)
二级参考文献(2)
1989(1)
参考文献(0)
二级参考文献(1)
1990(1)
参考文献(0)
二级参考文献(1)
1991(2)
参考文献(0)
二级参考文献(2)
1994(1)
参考文献(0)
二级参考文献(1)
1995(1)
参考文献(0)
二级参考文献(1)
1996(1)
参考文献(0)
二级参考文献(1)
1997(2)
参考文献(0)
二级参考文献(2)
1998(5)
参考文献(0)
二级参考文献(5)
2000(7)
参考文献(0)
二级参考文献(7)
2001(1)
参考文献(0)
二级参考文献(1)
2002(8)
参考文献(0)
二级参考文献(8)
2003(8)
参考文献(0)
二级参考文献(8)
2004(11)
参考文献(0)
二级参考文献(11)
2005(6)
参考文献(0)
二级参考文献(6)
2006(14)
参考文献(0)
二级参考文献(14)
2007(7)
参考文献(0)
二级参考文献(7)
2008(13)
参考文献(0)
二级参考文献(13)
2009(23)
参考文献(1)
二级参考文献(22)
2010(23)
参考文献(3)
二级参考文献(20)
2011(23)
参考文献(1)
二级参考文献(22)
2012(17)
参考文献(1)
二级参考文献(16)
2013(17)
参考文献(3)
二级参考文献(14)
2014(12)
参考文献(1)
二级参考文献(11)
2015(13)
参考文献(3)
二级参考文献(10)
2016(5)
参考文献(3)
二级参考文献(2)
2017(8)
参考文献(3)
二级参考文献(5)
2018(1)
参考文献(1)
二级参考文献(0)
2019(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
研究主题发展历程
节点文献
无人机机载激光雷达
数字高程模型
肘方法
K-means聚类
径向基函数神经网络
线性回归
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业机械学报
主办单位:
中国农业机械学会
中国农业机械化科学研究院
出版周期:
月刊
ISSN:
1000-1298
CN:
11-1964/S
开本:
大16开
出版地:
北京德外北沙滩1号6信箱
邮发代号:
2-363
创刊时间:
1957
语种:
chi
出版文献量(篇)
11867
总下载数(次)
31
总被引数(次)
174483
期刊文献
相关文献
1.
基于K-means聚类方法的三维点云模型分割
2.
基于最近共享邻居节点的K-means聚类算法
3.
一种基于网格的K-Means聚类算法
4.
改进K-means聚类的云任务调度算法
5.
K-means算法的初始聚类中心的优化
6.
优化初始聚类中心及确定K值的K-means算法
7.
基于DBSCAN和改进K-means聚类算法的电力负荷聚类研究
8.
优化初始聚类中心的K-means聚类算法
9.
K-Means聚类算法研究综述
10.
K-means聚类算法的一种改进方法
11.
基于KD-树和K-means动态聚类方法研究
12.
基于平均密度优化初始聚类中心的k-means算法
13.
基于MapReduce框架下的K-means聚类算法的改进
14.
基于均值密度中心估计的k-means聚类文本挖掘方法
15.
基于核函数的改进k-means文本聚类
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
农业基础科学
农业工程
农业科学总论
农作物
农学
园艺
大学学报
林业
植物保护
水产渔业
畜牧兽医
农业机械学报2022
农业机械学报2021
农业机械学报2020
农业机械学报2019
农业机械学报2018
农业机械学报2017
农业机械学报2016
农业机械学报2015
农业机械学报2014
农业机械学报2013
农业机械学报2012
农业机械学报2011
农业机械学报2010
农业机械学报2009
农业机械学报2008
农业机械学报2007
农业机械学报2006
农业机械学报2005
农业机械学报2004
农业机械学报2003
农业机械学报2002
农业机械学报2001
农业机械学报2000
农业机械学报1999
农业机械学报1998
农业机械学报2019年第9期
农业机械学报2019年第8期
农业机械学报2019年第7期
农业机械学报2019年第6期
农业机械学报2019年第5期
农业机械学报2019年第4期
农业机械学报2019年第3期
农业机械学报2019年第2期
农业机械学报2019年第12期
农业机械学报2019年第11期
农业机械学报2019年第10期
农业机械学报2019年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号