IEEE Transactions on Artificial Intelligence, Volume 5, Issue 6, June 2024
1) 特邀编辑：非平稳数据的 AutoML作者：Ran Cheng、Hugo Jair Escalante、Wei-Wei Tu、Jan N. Van Rijn、Shuo Wang、Yun Yang页数：2456 - 24572) 用于异构遥感图像中无监督变化检测的自引导自动编码器作者：Jiao Shi、Tiancheng Wu、Alex Kai Qin、Yu Lei、Gwanggil Jeon页数：2458 - 24713) 用于实时追踪水污染的学习驱动动态多模态优化算法作者：Xuesong Yan、Xing Guo、Jin Chen、Chengyu Hu、Wenyin Gong、Liang
摘要：尺度或空间分辨率在解释遥感图像或其他地理空间相关数据的空间结构中起着关键作用。这些数据是在不同的空间尺度上提供的。确定最佳样本或像素大小可以有利于需要不同分辨率的多个数据集的信息提取的地理空间模型和环境算法。为了解决这个问题，对空间分辨率的多个比例因子进行了分析，以确定地理空间数据集的最佳样本大小。在 ERDC-GRL 的 NET-CMO 项目下，开发并实施了一种新方法，用于确定具有不同和异构空间结构的图像的最佳像素大小。局部空间色散的应用被研究为在重采样图像空间中优化的三维函数。图像被重新采样到逐渐变粗的空间分辨率并堆叠以创建一个图像空间，在该图像空间内映射像素级色散最大值。计算与局部
