首页>
根据【作者:陈凯强】搜索到相关结果 5 条
-
陆航飞行员胜任特征调查问卷的初步编制
-
作者:
陈凯强
来源:
人民军医
年份:
2017
文献类型 :
期刊
关键词:
陆航飞行员
初步编制
胜任特征调查问卷
-
描述:
目的:初步编制陆航飞行员胜任特征调查问卷。方法:采用归类汇总后形成的44个条目为初始问卷,对陆航某训练基地直升机飞行员124例进行调查,分析其胜任特征因子和问卷内部一致性信度等。结果:成就力条目分值与总分的皮尔逊积差相关系数0.4,为保留条目。探索性因子分析结果显示,陆航飞行员胜任特征由交往能力、认知能力、观察能力、精神素养、工作能力和身体能力等6个因子构成。陆航飞行员胜任特征调查问卷的内部一致性系数均>0.80(P<0.05),总问卷内部一致性信度系数为0.936(P<0.05)。结论:该问卷具有较好的信度,可初步用于陆航飞行员胜任特征调查。
-
陆航飞行员胜任特征重要性评价模型
-
作者:
陈凯强
班定军
来源:
华南国防医学杂志
年份:
2017
文献类型 :
期刊
关键词:
评价模型
陆航飞行员
胜任特征
-
描述:
。结果 1敬业奉献等9项指标的赋值上陆航飞行员显著高于普通军官,9项指标被确定为评价陆航飞行员最重要的指标;2根据22项指标建立了陆航飞行员重要性评价模型,共三级指标,第一级指标包括敬业奉献等9项胜任
-
基于编解码网络的航空影像像素级建筑物提取
-
作者:
陈凯强
高鑫
闫梦龙
张跃
孙显
来源:
遥感学报
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
建筑物提取
深度学习
遥感
航空影像
-
描述:
建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。
-
基于编解码网络的航空影像像素级建筑物提取
-
作者:
陈凯强
高鑫
闫梦龙
张跃
孙显
来源:
遥感学报
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
建筑物提取
深度学习
遥感
航空影像
-
描述:
建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。
-
基于编解码网络的航空影像像素级建筑物提取
-
作者:
陈凯强
高鑫
闫梦龙
张跃
孙显
来源:
遥感学报
年份:
2021
文献类型 :
期刊
关键词:
卷积神经网络
建筑物提取
深度学习
遥感
航空影像
-
描述:
建筑物提取在城市规划等土地利用分析中发挥着重要作用。用于提取建筑物的传统方法通常基于手工特征和分类器,导致精度较低。本文基于编解码结构的卷积神经网络CNN (Convolutional Neural Networks),自主学习多级的和具有区分度的特征来更好地辨识建筑物和背景,实现航空影像中的像素级建筑物提取。该网络由编码子网络和解码子网络两部分组成,编码子网络对输入图像进行空间分辨率压缩,完成特征提取;解码子网络从特征中提升空间分辨率,完成像素级的建筑物提取。此外,本文使用视野增强FoVE (Field-of-View Enhancement)方法减轻边缘现象(切片边缘附近的建筑物提取精度通常低于中心区域附近的精度)的影响,并分别在两个建筑物提取标准数据集上的实验表明,编解码卷积神经网络能有效实现像素级建筑物提取,FoVE能有效提高建筑物提取准确率;通过改变预测时切片大小和重叠度,分析其对建筑物提取结果的影响,揭示了FoVE的饱和性。