数字正射影像图质量的模糊综合评价

质量评定是地图产品生产过程中的一个重要环节，但是，传统的地图质量评价方法存在着许多固有的局限，而难以满足新的要求．本文以模糊数学的原理为基础，建立了DOM产品质量的模糊综合评价模型．研究表明，相对于传统的质量评价方法，模糊综合评价方法能够充分利用各种质量信息，并尊重质量的模糊属性，评价过程更细腻，结果也更可靠。     

地图产品质量模糊评价模型的判据选择

研究利用模糊评价方法评价地图产品的质量,特别是4D产品的质量,已经受到越来越多的关注。但是,这些研究一般都没有具体讨论模糊评价模型的适用性问题。本文以目前地图产品质量检验评价实践中的一个通用做法为判据,讨论了正确选择评价模型的重要性。     

土地适宜性评价的模糊神经网络模型

基于神经网络来构造模糊系统，建立了土地适宜性评价的模糊神经网络模型；根据神经网络误差反向修正的原理，设计和推导了该模型的学习算法。实验结果表明，该模型应用于土地适宜性评价具有高效、客观、准确等优点。     

土地利用图中线状要素综合的质量评价

作为土地利用图综合的一个重要组成部分，线状要素综合质量的好坏对于有效提高自动制图综合的正确率具有重要意义。本文基于模糊综合评判理论对土地利用图中线状要素的综合进行了质量评价。首先，基于制图综合约束，确定评价指标体系，组成评价因素集；其次，在确定评判集和权重集的基础上，建立线状要素综合质量评价模型；最后，利用试验验证了评价方法的有效性。该研究为客观评价土地利用图中线状要素的综合质量提供了新的思路。     

3DGIS地下燃气管道风险模糊综合评价

对地下燃气管道进行风险评价,可提供有效的辅助决策支持,对于建立城市地下燃气管网的安全评估综合管理体系具有十分重要的意义.给出了一种3DGIS地下燃气管道风险模糊综合评价方法,阐述了模糊风险评价的流程,基于层次分析法进行管道风险因素权重分析,结合单因素相对隶属度的模糊评价矩阵,建立了模糊综合评价模型;最后对研究区域燃气管...     

熵值法在地面沉降危害评价中的应用

地面沉降是一个多因素耦合的复杂系统,针对地面沉降的复杂性、模糊性及不确定性,构造了基于熵权的模糊综合评价模型,通过熵权使权重由主观判断转为由各指标数据之间的关系来确定,根据自然灾害风险分析的基本原理从五个方面选取18个评价因子,定量地对研究区域进行危害性评价。评价结果表明,熵权模糊综合评价法是科学可行的,为地面沉降危害趋势预测以及危害等级划分提供了良好的分析方法,并有较高的应用价值。     

基于模糊综合评判原理建立制图基本资料选择评价数学模型

本文借助多层次模糊综合评判原理建立了制图基本资料选择评价的数学模型,并给出一个具体实例说明该模型的可行性和精确性。     

模糊综合评价法在数字遥感影像产品质量评价中的应用

根据人眼视觉对影像反应的特性，确定可以衡量影像质量的质量元素，以模糊数学理论和概率论为基础，采用模糊综合评价原理，提出了数字遥感影像质量的量化评价模型，并论证了数字遥感影像产品不同质量等级的隶属度函数；初步开发了相应的数字遥感影像质量检查软件。实验结果表明，采用本文模型进行遥感影像产品质量的评定是可行的。     

模糊综合评价在DLG数字产品质量评定中的应用

提出了以模糊数学为基础,用多级模糊综合评价法对DLG数字化测绘产品进行质量检查验收的方法 ;详细阐述了多级模糊综合评判的数学模型、质量评价体系的指标因素和权重等,并介绍了DLG产品质量评定的过程。     

基于图像结构的无参考模糊图像及其复原图像质量评价方法

针对传统图像的质量评价测度。提出了一种基于边缘检测的无参考模糊图像评价模型。通过测量梯度图像的梯度边缘信息,来评价模糊退化图像和带有模糊效应的复原图像,实验表明：利用本测度所得到的模糊图像质量评价结果与主观评价结果有很好的相关性。本测度较准确地反映了人,对模糊图像质量的主观感受,对于带有模糊效应的复原图像的评价结果也较为符合主观评价结果。     

Model of Land Suitability Evaluation Based on Computational Intelligence

A novel model of land suitability evaluation is built based on computational intelligence (CI). A fuzzy neural network (FNN) is constructed by the integration of fuzzy logic and artificial neural network (ANN). The structure and process of this network is clear. Fuzzy rules (knowledge) are expressed in the model explicitly, and can be self-adjusted by learning from samples. Genetic algorithm (GA) is employed as the learning algorithm to train the network, and makes the training of the model efficient. This model is a self-learning and self-adaptive system with a rule set revised by training.     

基于神经网络的遥感影像分类方法研究

本文在研究BP神经网络和模糊理论的基础上,提出了传统BP算法的一种改进方法和基于模糊系统的神经网络遥感影像分类方法。通过试验表明:基于模糊技术的神经网络分类方法要优于BP神经网络方法,取得了令人满意的效果。     

基于T-S模糊神经网络的变形预报研究

T-S模糊神经网络模型是根据模糊系统和人工神经网络优缺点具有明显的互补性结合而成。文中基于T-S模糊神经网络,将其应用于变形预测。通过实测数据和仿真数据分析比较了其与BP神经网络、小波神经网络在预测精度、算法稳定性和有效区间3个评价标准上的优劣。结果表明,在变形预测,特别是利用长周期监测数据进行预报时,T-S模糊神经网络具有一定的优势。     

A neural fuzzy network approach to Radar pulse compression

To make good range resolution and accuracy compatible with a high detection capability while maintaining the low average transmitted power, pulse compression processing giving low-range sidelobes is necessary. The traditional algorithms such as the direct autocorrelation filter (ACF), least squares (LS) inverse filter, and linear programming (LP) filter based on three-element Barker code (B13 code) have been developed. Recently, the neural network algorithms were issued. However, the traditional algorithms cannot achieve the requirements of high signal-to-sidelobe ratio and low integrated sidelobe level (ISL), and the normal neural networks such as the backpropagation (BP) network usually produce the extra problems of low convergence speed and are sensitive to the Doppler frequency shift. To overcome these defects, a new approach using a neural fuzzy network to deal with pulse compression in a radar system is presented. Two different Barker codes are carried out by a six-layer self-constructing neural fuzzy network (SONFIN). Simulation results show that this neural fuzzy network pulse compression (NFNPC) algorithm has significant advantages in noise rejection performance, range resolution ability, and Doppler tolerance, which are superior to the traditional and BP algorithms.     

Fuzzy Neural Network Models for Supervised Classification: Multispectral Image Analysis

Abstract

It has been well established that neural networks provide a reasonable and powerful alternative to conventional classifiers. During the past few years there has been a large and energetic upswing in research efforts aimed at synthesizing fuzzy logic with neural networks. This combination of fuzzy logic and neural networks seems natural because two approaches generally attack the design of “intelligent” systems from quite different angles. Neural networks provide algorithms for learning, classification, and optimization whereas fuzzy logic deals with issues such as reasoning on a higher (semantic or linguistic) level. Consequently the two technologies complement each other. In this paper we propose two novel fuzzy‐neural network models for supervised learning. The first model consists of three layers, and the second model consists of four layers. In both models, the first two layers implement fuzzy membership functions and the remaining layers implement the inference engine. Both models use the gradient decent technique for learning. As an illustration, we have analyzed two Thematic mapper images using these models. Results are presented in the paper.     

基于BP神经网络的深基坑变形预测

建立深基坑变形监测数据处理的BP神经网络模型,采用双曲正切S形函数进行输入和输出层传递,选择批处理梯度下降法训练前向网络,并采用附加动量法和学习速率自适应调整进行改进,运用Matlab建立BP神经网络模型。预测结果表明,改进的BP神经网络模型预测精度更高,提高了学习速度并增加了算法的可靠性。     

FANN-Based Surface Water Quality Evaluation Model and Its Application in the Shaoguan Area

A fuzzy neural network model is proposed to evaluate water quality. The model contains two parts: first, fuzzy mathematics theory is used to standardize the samples; second, the RBF neural network and ...     

基于模糊小脑模型神经网络的遥感图像分类算法

针对遥感图像分类的特点，提出一种基于模糊小脑模型神经网络的遥感图像分类算法，首先阐述小脑模型神经网络的工作原理，然后将模糊理论引入小脑模型神经网络，提出一种能反映人脑认知的模糊性和连续性的模糊小脑模型神经网络，并将其应用于遥感图像分类，实验结果表明，这种基于模糊小脑模型神经网络的分类器经过训练后，可应用于遥感图像的分类，其分类精度明显高于传统的最大似然分类法。     

神经网络辅助的GPS/INS组合导航自适应滤波算法

首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。     

投影寻踪学习网络的遥感影像分类

采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。