InSAR变形监测 | 浏览量 : 0 下载量: 707 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

    • “最新研究突破：基于自监督对比学习的InSAR时序形变深度聚类方法，有效提升形变信息解译准确性。”
    • 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

毕秀丽 重庆邮电大学 计算机科学与技术学院
陈良富 中国科学院空天信息创新研究院 遥感科学国家重点实验室;中国科学院大学
赵满 齐齐哈尔大学 通信与电子工程学院
王志宝 东北石油大学 环渤海能源研究院;东北石油大学 计算机与信息技术学院
何晓晴 东北石油大学 计算机与信息技术学院
李云松 西安电子科技大学 空天地一体化综合业务网全国重点实验室
侯少雄 西安电子科技大学 空天地一体化综合业务网全国重点实验室
曲家慧 西安电子科技大学 空天地一体化综合业务网全国重点实验室

相关机构

重庆邮电大学 计算机科学与技术学院
中国科学院大学
中国科学院空天信息创新研究院 遥感科学国家重点实验室
齐齐哈尔大学 通信与电子工程学院
东北石油大学 环渤海能源研究院
0