基于自编码神经网络的航空物探遥感数据分类方法研究

航空物探遥感数据的采集过程中受到电磁波辐射等外界因素的影响,导致航空物探遥感数据分类准确率较低,为此提出基于自编码神经网络的航空物探遥感数据分类方法;根据航空物探对象的基本特征,设置遥感数据的分类标准;通过辐射校正、几何纠正、噪声消除等步骤,完成航空物探遥感数据的预处理;构建自编码神经网络,利用自编码神经网络算法,从光谱、形状、纹理等方面提取遥感数据特征,通过特征匹配确定航空物探遥感数据的所属类型;通过分类性能测试实验得出结论：所提方法的全局遥感数据分类成功率和错误率的平均值分别为99.8%和0.6%,局部遥感数据分类的成功率和错误率的平均值分别为99.8%和0.3%,即所提方法在分类性能方面具有明显优势。     

基于云计算的航空飞行试验数据中心任务调度优化架构设计

为解决航空飞行试验数据中心任务调度行为明显滞后的问题,实现对航空飞行试验数据的实时调度,设计基于云计算的航空飞行试验数据中心任务调度优化架构。设置WiRo中心网络,联合试验数据预测器与飞行任务分配器,完善中心任务调度优化架构体系的基础应用结构设计。根据PSO优化度量值的取值范围,求解惯性权重指标与粒子编码条件,并按照云计算法则,推导函数表达式条件,实现基于云计算的航空飞行试验数据调度模型的构建。在动态数据权限的约束下,计算中心调度任务的资源占用率与长尾延迟参数,实现对任务调度架构的优化配置,联合WiRo中心网络及EMU调度结构,完成基于云计算的航空飞行试验数据中心任务调度优化架构的设计。实验结果表明,云计算技术作用下,单位时间内的数据吞吐量达到了9.85B/s,由数据吞吐量有限造成的中心任务调度行为滞后的问题得到较好解决,符合实时调度航空飞行试验数据的实际应用需求。