猿急送>

北京后端兼职程序员

ID：204490

青山

工程师

公司信息：
国土资源部卫星规划室

工作经验：
2年

兼职日薪：
600元/8小时

兼职时间：
下班后
周六
周日
可工作日远程

所在区域：
北京
海淀

技术能力

硕士及本科学校均为国家 211、双一流建设重点院校，本科地理信息系统，硕士遥感。主要研究方向为机器学习、深度学习在遥感领域的应用，曾就职于国土资源部卫星规划中心。主要有以下几个优势：1、数学基础扎实。掌握概率论，数理统计，线性代数等数学课程。2、熟练掌握机器学习、深度学习算法，包括原理、使用、适用情形等。并优化算法应用到卫星图像智慧找矿方向，熟练使用SK-learn、TensorFlow。在第十届 SPIE 多谱图像处理与模式识别国际学术会议发表EI论文一篇。3、良好的编程基础，熟练掌握arcgis，envi等相关软件，熟悉C++、Python和MATLAB。有使用C++、Qt二次开发项目经验，有Python、MATLAB优化算法的项目经验。

项目经验

基于卫星图像大数据的智慧找矿机器学习算法优化研究第二负责人，独立负责关键技术研发：植被覆盖区冠层元素含量与土壤地球化学信息的反演技术。通过在试验区采集的光谱，在MATLAB、Python中运用多元线性模型、多元逐步回归模型、偏最小二乘法模型以及支持向量机SVM算法进行多种尝试，并进行PCA、梯度下降等多种方式进行优化，目前已初步完成回归算法，并在不断的优化完善当中。第一作者身份完成EI会议SPIE多谱图像处理与模式识别国际学术会议英文文章一篇，已被接收并在刊发阶段。

基于SVM、随机森林算法的热红外高光谱数据岩性分类第一负责人，数据源采用机载热红外高光谱（TASI）数据，对TASI的发射率数据进行七种岩性分类研究，对PCA处理后的数据使用改进后的量子粒子群优化算法对支持向量机算法的正则化参数及核函数进行优化，解决了参数的选择问题。使用随机森林算法对TASI数据进行分类研究，并对比两种算法的分类精度。

案例展示

GF-5植被覆盖区地球化学信息反演技术

研究植被覆盖区地球化学信息反演分布制图技术，将得到涵盖植被理化信息分布、冠层元素信息分布到土壤地球化学信息异常的全套产品，对于完善我国高光谱遥感地球化学信息产品、评价植被覆盖区的找矿潜力具有重要意义。同时，本项目研究内容是国土资源调查业务有效应用高分卫星、保证 GF-5 号卫
地质环境评价方法解析

运用人机交互解译、面向对象信息提取等遥感、GIS 技术，对研究区进行自然地理、基础地质、资源损坏、矿山环境四个大方面信息的提取，建立矿山地质环境评级因子体系。在此基础上，对研究区进行多尺度的矿山地质环境评价，通过分析评价尺度效应，选出研究区的最优评价尺度。采用量子粒子群算法