｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,9,12]]，“date time”：“2024-09-12T01:46:09Z”，“timestamp”：1726105569714｝，“publisher location”：“Cham”，“reference count”：17，“publisher”：“Springer International Publishing”，“isbn type”：[｛“type”：“print”，“value”：“9783030638191”｝，｛“type”：“electronic”，“value”：“9783030638207”｝]，“license”：[｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“content version”：“tdm”，“delay in days”：0，“URL”：“http:\/\/wspringer.com\/tdm”｝，｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000 6800000｝，“内容版本”：“vor”，“delay-in-days”：0，“URL”：“http:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\/\www.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[2020]]}，”DOI“：”10.1007\/978-3030-63820-7_42“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,11,18]]，“date-time”：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“369-376”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：5，”title“：[”用于高光谱卫星图像分类的双卷积神经网络（DCNN-HSI）“]，”prefix“：”10.1007“，”author“：[{”ORCID“：“http://\/orcid.org\/00000-0001-8596-4797”，“authenticated-orcid”：false，“given”：“Maissa”，“family”：“Hamouda”，”sequence“：”first“，”affiliation“：[]}，{“orcid”：”http://\/orcid.org\/0000-0003-2952-3967“，”authentitated-orcid“：false”，“givin”：Med Salim“，”family“：”Bouhlel“，”se序列“：”additional“，”从属关系“：[]}]，“member”：“297”，“在线发布”：｛“日期部分”：[[2020,11,17]｝，“参考”：[｛“键”：“42_CR1”，“doi断言者”：“crossref”，“非结构化”：“Wang，J.，Gao，F.，Dong，J.，Du，Q.：自适应DropBlock增强的高光谱图像分类生成对抗性网络。IEEE Trans.Geosci.遥感1\u201314（2020）”，“doi”：“10.1109\/TGRS.2020.3015843”｝，｛“问题”：“2”，“键”：“42_CR2”，“doi-asserted-by”：“publisher”，“first page”：“392”，“doi”：“10.1049\/iet-ipr.2018.5063”，“volume”：”13“，“author”：“M Hamouda”，“year”：“2018”，“unstructured”：“Hamouda-M.，Ettabaa，K.S.，Bouhlel，M.S.：基于卷积神经网络的高光谱成像分类，通过自适应大小的窗口和过滤器。iet图像处理。13（2），392\u2013398（2018）“，“新闻标题”：“IET图像处理。“}，{”key“：”42_CR3“，”doi-asserted-by“：”crossref“，”unstructured“：”Chin，T.J.，Bagchi，S.，Eriksson，A.，Van Schaik，A.：使用事件摄像机进行恒星跟踪。In：2019 IEEE\/CVF计算机视觉和模式识别研讨会（CVPRW）会议。IEEE，2019年6月“，”doi“：”10.1109\/CVPRW.2019.00208“}”，{“key”：“42_CR4”，“series-title”：“”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：”310“，“doi”：“10.1007\/978-3-319-94211-7_34”，“volume-title”：“图像和信号处理”，“author”：“M Hamouda”，“year”：“2018”，“unstructured”：“Hamouda，M.，Saheb-Ettabaa，K.，Bouhlel，M.S.：基于卷积神经网络的高光谱图像分类自适应批量提取。In:Mansouri，A.，El Moataz，A.，Nouboud，F.，Mammass，D.（编辑）ICISP 2018。LNCS，第10884卷，第310\u2013318页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-319-94211-7_34“}，{“问题”：“4”，“密钥”：“42_CR5”，“首页”：“74”，“卷”：“16”，“作者”：“A Haidar”，“年份”：“2019”，“非结构化”：“Haidar，A.，Verma，B.K.，Haidar R.：基于群的xgboost参数优化。Aust.J.Intell.Inf.Process.Syst.16（4），74\u201381（2019）”，“journal-journal title“：”澳大利亚。智力。信息处理。系统。}，{“key”：“42_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Hamouda，M.，Ettabaa，K.S.，Bouhlel，M.S.：基于自适应块提取的改进卷积神经网络用于高光谱图像分类。摘自：2018 IEEE国际模糊系统会议（FUZZ-IEEE），第1\u20137页。IEEE（2018）“，”DOI“：”10.1109\/FUZZ-IEEE.2018.8491647“}，{“key”：“42_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Feng，J.，et al.：基于自适应区域搜索的高光谱图像分类注意多分支卷积神经网络。IEEE Trans.Geosci.Remote Sensing 1\u201317（2020）”，“DOI”：“10.1109\/TGRS.2020.3011943”}，“key“：”42_CR8“，”doi-asserted-by“：”crossref“，”unstructured“：”Shen，Y.等：高光谱图像分类中非局部特征的高效深度学习。IEEE传输。地质科学。遥感1\u201315（2020）“，”DOI“：”10.1109\/TGRS.2020.3014286“}，{”issue“：”11“，”key“：”42_CR9“，”DOI-asserted-by“：”publisher“，”first page“：“2278”，“DOI”：“10.1109\/5.726791”，“volume”：“86”，“author”：“Y LeCun”，“year”：“1998”，“unstructured”：“LeCun，Y.、Bottou，L.、Bengio，Y.和Haffner，P.等人：基于梯度的学习应用于文档识别。程序。IEEE 86（11），2278\u20132324（1998）“，”期刊标题“：”。IEEE“}，{”key“：”42_CR10“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“818”，“doi”：“10.1007\/978-3-319-10590-1_53”，“volume-title”：“Computer Vision\u2013 ECCV 2014”，“author”：“MD Zeiler”，“year”：“2014”，”unstructured“：”Zeiler，M.D.，Fergus，R.：可视化和理解卷积网络。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8689卷，第818\u2013833页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10590-1_53“}，{“key”：“42_CR11”，“unstructured”：“Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：用深度卷积神经网络进行图像元分类。In:Advances In neural Information Processing Systems，pp.1097\u20131105Szegedy，C.等人：卷积更深入。摘自：IEEE计算机视觉和模式识别会议（CVPR），2015年6月”，“DOI”：“10.1109\/CVPR.2015.7298594”}，{“issue”：“10”，“key”：“42_CR13”，“DOI-asserted-by”：“publisher”，“first page”：”1999“，“DOI:”10.1049\/iet-ipr.2019.1282“，”volume“14”，“author”：“M Hamouda”，“year”：“2020”，“unstructured”：“Hamouda，M.、Ettabaa，K.S.、Bouhlel，M.S.：基于卷积神经网络的高光谱图像智能特征提取和分类。IET图像处理。14（10），1999\u20132005（2020）“，“新闻标题”：“IET图像处理。“}，{”key“：”42_CR14“，”doi-asserted-by“：”crossref“，”unstructured“：”Hang，R.，Li，Z.，Liu，Q.，Ghamisi，P.，Bhattacharyya，S.S.：具有注意力辅助CNNs的超光谱图像分类。arXiv预印本arXiv:2005.1977（2020）“，”doi“：”10.1109\/TGRS.2020.3007921“}”，{“问题”：“04”，“key”：“42_CR15”，“doi-assert-by”：“publisher”，“首页”：“1950019”，“DOI“：”10.1142\/S021946781950190“，”volume“：”19“，”author“：”M Hamouda“，”year“：”2019“，”unstructured“：”Hamoudo，M.，Ettabaa，K.S.，Bouhlel，M.S.：基于卷积神经网络和ckmeans聚类算法的内核自动选择框架。Int.J.图像图。19（04），1950019（2019）“，“新闻标题”：“国际期刊图片。“}，{”key“：“42_CR16”，”doi-asserted-by“：”publisher“，”first page“：”211“，“doi”：“10.1016\/j.neucom.2020.05.034”，“volume”：“410”，“author”：“j Fang”，“year”：“2020”，“unstructured”：“Fang，j.，Wang，N.，Cao，X.：用于高光谱图像分类的多维关系学习。神经计算410，211\u2013219（2020）”，“日志标题”：“神经计算”}，{“key”：“42_CR17”，“doi-asserted-by”：“publisher”，“first page”：第12页，“doi”：“10.1016\/j.neucom.2020.04.138”，“volume”：”407“，“author”：“SG-Azar”，“year”：“2020”，“unstructured”：“Azar，S.G.，Meshgini，S.，Rezaii，T.Y.，Beheshti，S.：基于光谱块稀疏建模的超光谱图像分类。神经计算407，12\u201323（2020）”，“journal-title”：“Neurocomputing”}]，“container-title“：[“Communications in Computer and Information Science”，“Neural Information Processing”]，“original-title:[]，“language”：“en”，“link”：[{“URL”：“https:\/\/link.springer.com\/content\/pdf\/10007\/978-3030-63820-7_42”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期部分”：[[2021,4,24]]，“日期时间”：“2021-04-24T22:18:18Z”，“时间戳”：1619302698000}，“分数”：1，“资源”：{-“主要”：{:“URL”：“https:\/\/link.springer.com\/10.10007\/978-3030-63820-7_42”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2020]]}，“ISBN”：[“9783030638191”，“978330638207”]，“references-count”：17，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-030-63820-7_42”，“关系”：{}，“ISSN”：[“1865-0929”，“1865-0.937”]，“ISSN-type”：[{“type”:“print”，“value”：“1865-09”}，{“类型”：“electronic”，“值”：“865-0937”}]，“主题”：[]，“发布”：{“日期段”：[[2020]]}，“assertion”：[{“value”：“2020年11月17日”，“order”：1，“name”：“first_online”，“label”：“First Online”，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}，{“value”：“ICONIP”，“order”：1，“name”:“conference_acrombit”，“标签”：“conference-Acromnim”，“group”：{“name”∶“ConferenceInfo”，“table”：“会议信息”}}}：“会议名称”，“组”：｛“名称”：“ConferenceInfo”，“标签”：“会议信息”｝｝，｛“值”：“曼谷”，“顺序”：3，“名称”：“会议城市”，“标签”：“会议城市”，“组”：｛“名称”：“ConferenceInfo”，“标签”：“会议信息”｝，｛“值”：“泰国”，“顺序”：4，“名称”：“会议国家”，“标签”：“会议国家”，“组”：｛“名称”：“ConferenceInfo”，“label”：“Confection Information”}}，{“value”：“2020”，“order”：5，“name”：“Conference_year”，“标签”：“会议年份”，“group”：{“name”:“ConferenceInfo”：“会议信息”}}，{“value”：“2020年11月22日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：：“iconip2020”，“order”：10，“name”：“conference_id”，“label”：“会议id”，“group”：{“name”:“ConferenceInfo”，“标签”：“Conferency Information”}}，{“value”：“http://www.apnns.org\/iconip2020”，”order“：11，”name“：”conference_0rl“，”label“：”Conferency_url“，”group“：{”name“ConfernceInfo”“：”单盲“，”订单“：1，“name”：“type”，“label”：“type”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“618”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行审议信息（由大会组织者提供）：“number_of_full_papers_accepted”，“label”：“已接受的完整论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”}}，{“value”：“189”，”order“：5，”name“：”number_ of_short_papers_Accepteded“，”label“：”已接受的短文数“，”group“：{”name“”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“30%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“标签”：“完整论文的接受率”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“3.18”，“order”：7，“name”:“average_number_of_reviews_per_paper”，“table”：“每篇论文的平均评论数”：“同行评议信息（由会议组织者提供）”}}，{“value”：“3.68”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由大会组织者提供）“}}”，{：“external_reviewers_involved”，“label”：“涉及外部审阅者”，“group”：{“name”：“ConfEventPeerReviewInformation”，“标签”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“由于新冠肺炎疫情，会议实际上举行了。”，“order”：10，“name”:“additional_info_on_Review_process”，“table”：“审阅过程的附加信息”，“组”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}]}