InSAR变形监测 | 浏览量 : 0 下载量: 535 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • InSAR时序形变数据的自监督对比学习聚类方法

    • Self-supervised contrastive learning clustering method for InSAR time series deformation data

    • “在InSAR形变监测领域，研究者提出了基于自监督对比学习的深度聚类方法，有效提升了时间序列形变数据的分类准确性和鲁棒性，为地质灾害监测提供新方案。”
    • 2025年29卷第7期 页码：2442-2456   

      收稿日期：2024-09-23，

      纸质出版日期：2025-07-07

    • DOI： 10.11834/jrs.20254393     

    移动端阅览

  • 吴晗飞，俸彬，李梦华，杨梦诗，张震，唐伯惠.2025.InSAR时序形变数据的自监督对比学习聚类方法.遥感学报，29（7）： 2442-2456 DOI： 10.11834/jrs.20254393.
    Wu H F，Feng B，Li M H，Yang M S，Zhang Z and Tang B H. 2025. Self-supervised contrastive learning clustering method for InSAR time series deformation data. National Remote Sensing Bulletin， 29（7）：2442-2456 DOI： 10.11834/jrs.20254393.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

吴华意 国家地理信息系统工程技术研究中心
杨超 武汉大学 测绘遥感信息工程国家重点实验室
李真强 武汉大学 测绘遥感信息工程国家重点实验室
卿雅娴 国家地理信息系统工程技术研究中心
金准 中国地质大学(武汉) 地理与信息工程学院
马欣悦 中移(杭州)信息技术有限公司
祁昆仑 中国地质大学(武汉) 地理与信息工程学院;国家地理信息系统工程技术研究中心
郑志忠 南京邮电大学 计算机学院;江苏省航空对地探测与智能感知工程研究中心

相关机构

武汉大学 测绘遥感信息工程国家重点实验室
国家地理信息系统工程技术研究中心
中移(杭州)信息技术有限公司
中国地质大学(武汉) 地理与信息工程学院
江苏省航空对地探测与智能感知工程研究中心
0