Extending self-organizing maps for supervised classification of remotely sensed data

An extended self-organizing map for supervised classification is proposed in this paper. Unlike other traditional SOMs, the model has an input layer, a Kohonen layer, and an output layer. The number of neurons in the input layer depends on the dimensionality of input patterns. The number of neurons in the output layer equals the number of the desired classes. The number of neurons in the Kohonen layer may be a few to several thousands, which depends on the complexity of classification problems and the classification precision. Each training sample is expressed by a pair of vectors: an input vector and a class codebook vector. When a training sample is input into the model, Kohonens competitive learning rule is applied to selecting the winning neuron from the Kohonen layer and the weight coefficients connecting all the neurons in the input layer with both the winning neuron and its neighbors in the Kohonen layer are modified to be closer to the input vector, and those connecting all the neurons around the winning neuron within a certain diameter in the Kohonen layer with all the neurons in the output layer are adjusted to be closer to the class codebook vector. If the number of training samples is sufficiently large and the learning epochs iterate enough times, the model will be able to serve as a supervised classifier. The model has been tentatively applied to the supervised classification of multispectral remotely sensed data. The author compared the performances of the extended SOM and BPN in remotely sensed data classification. The investigation manifests that the extended SOM is feasible for supervised classification.     

Energy dissipation through wind-generated breaking waves

Wave breaking is an important process that controls turbulence properties and fluxes of heat and mass in the upper oceanic layer.A model is described for energy dissipation per unit area at the ocean surface attributed to wind-generated breaking waves,in terms of ratio of energy dissipation to energy input,windgenerated wave spectrum,and wave growth rate.Also advanced is a vertical distribution model of turbulent kinetic energy,based on an exponential distribution method.The result shows that energy dissipation rate depends heavily on wind speed and sea state.Our results agree well with predictions of previous works.     

NUMERICAL CLASSIFICATION OF REGIONAL STRUCTURE OF AGRO-ECOSYSTEM IN GUANGDONG

On the basis of "The Statistical Data of Guangdong Province in 1981" and the 14 selected original variables, 107 counties and suburbs in Guangdong are classified. In the classification, cluster analysis is applied, and the cluster hierarchy of the agro-ecosystem is achieved with a computer. According to output level, planting structure, and input level of energy, there is an evident regionalism in the agro-ecosystem of Guangdong, which presents approximately concentric circles centralized by Guangzhou City.     

运用BP网络预测地下水位

人工神经网络是一门新兴的交叉学科，是处理非线性问题的有效方法。本文把影响地下水位的因素集作为网络的输入向量，地下水位本身作为网络的输出向量，构成了预测地下水位的ＢＰ网络模型。一个实例的应用实践表明，用ＢＰ网络预测地下水位较准确地反映了客观实际，比其它方法如回归模型具有较高的拟合精度和预测精度。     

基于遗传神经网络的入侵特征选择模型

针对高维数据包含的不相关和冗余特征影响检测方法性能的问题,提出了基于遗传神经网络入侵特征选择模型.该模型在传统的遗传神经网的输入层和隐含层之间增加特征选择层,并在特征选择层与输入层间设置连接开关,如果开关合上,则该特征被选中;否则为放弃.实验结果表明,该模型在保持原有信息完整性的同时,能有效减少冗余特性;在保证检测准确率的前提下,有效提高系统的检测速度.     

漳平市森林可燃物类型变化遥感动态监测

森林可燃物类型的空间分布是林火蔓延、灭火可视化建模与仿真中需要考虑的重要因素之一。在对森林可燃物类型划分的研究进行回顾的基础上,提出了考虑树种信息的分类方法。根据漳平市2003年小班图层中的优势树种信息,获得该市2003年四种森林可燃物类型即竹林、阔叶树、杉木林以及马尾松的空间分布专题图。在此基础上,采用面向对象分类技术,对ASTER影像进行分类,探测每种可燃物类型的内部变化和外部变化。该技术利用影像分割技术构建分类对象,使每个对象具有光谱信息的同时,具备大小、形状、拓扑关系、类别层次等诸多信息。对分类结果进行评价的结果表明,利用面向对象分类技术,充分利用了光谱特征以及类别相关特征,提高了分类精度,分类的面积精度达到89.3%。由于影像分割过程应用了专题图层,对象的边界不会超越专题图层的边界,使得对现有图层的更新尤为容易。最后,利用矢量格式的遥感分类结果对原森林小班图层进行更新,获得新的可燃物类型图层,作为林火可视化模型的输入图层。该研究不仅提供了现势性强的森林可燃物类型图层,而且在不破坏原小班边界的基础上,对发生变化的区域进行刻画。对于森林资源管理者,提供了实地调查过程的目标区域的信息。     

Research on China’s aquaculture efficiency evaluation and influencing factors with undesirable outputs

Taking the aquaculture area, the number of farming boats and that of aquaculturist as input variables, the aquaculture production as desirable output variable and polluted economic loss as undesirable ...     

基于人工神经网络的多特征因子路网匹配算法

在综合考虑多个特征因子的线要素匹配时,根据经验知识确定各特征因子的权值会造成人为误差。针对该问题,本文提出了基于人工神经网络的多特征因子路网匹配算法,根据线要素的几何和拓扑特性选取长度、方向、形状、距离及拓扑5个特征因子的相似度作为路网匹配参考因子。首先,分别在参考图层和待匹配图层中选取样本数据组成样本对,计算样本数据的5个特征因子相似度,用样本数据的5个特征因子相似度和样本的匹配度组成学习模式对;然后,利用BP神经网络的误差反向传播机制自动学习调整各神经层之间的连接权值;最后,输入全部数据,计算参考图层的弧段和待匹配图层的弧段间的匹配度,实现综合多特征因子的路网匹配。实验结果表明,利用人工神经网络进行综合多特征因子的路网匹配可以提高匹配效率和匹配准确度。     

元启发式搜索策略在构造模糊分类系统中的应用

论述了使用模拟退火元启发式搜索策略构造模糊分类系统的过程,目的是利用模拟退火原理研制一种精确的模糊分类器,改善与分类问题有关的搜索空间探索与发掘的性能,找到模糊if-then规则的优化集。算法可以从输入数据集中抽取精确的模糊分类规则,并在若干不同预定义类中将其应用于对新数据实例的分类。     

一种基于深度传递迁移学习的遥感影像分类方法

面对实际的遥感影像分类任务,采用深度神经网络的方法存在的最大问题是缺乏充足的标注样本,如何使用较少的标注样本实现较高精度的遥感影像分类,是目前需要解决的问题。ImageNet作为世界上最大的图像识别数据集,在其上训练出的模型有着丰富的底层特征。对ImageNet预训练模型进行微调是最常见的迁移学习方法,能够一定程度利用其丰富的底层特征,提高分类精度。但ImageNet影像特征与遥感影像差距较大,对分类效果提升有限。为了解决上述问题,本文基于传递迁移学习思想,结合深度神经网络,提出一种基于深度传递迁移学习的遥感影像分类方法。该方法通过构建以开源遥感场景识别数据集为源域的中间域,并以ImageNet预训练权重为源域、待分类遥感影像为目标域进行迁移学习,提高遥感影像分类精度。首先,以ImageNet预训练VGG16网络为基础,为加速卷积层权重更新而将全连接层替换为全局平均池化层,构建GAP-VGG16,使用中间域数据集训练ImageNet预训练GAP-VGG16以获取权重;然后,以SegNet网络为基础,在SegNet中加入卷积层设计了T-SegNet,以对获取的权重进一步地提取。最后,将获取的权重迁移到T-SegNet中,使用目标域数据集训练,实现遥感影像分类。本文选取Aerial Image Dataset和UC Merced Land-Use DataSet作为中间域数据集的数据源,资源三号盘锦地区影像为目标域影像,并分别选取了50%和25%数量的训练样本进行实验。实验结果表明,在50%和25%数量的训练样本下,本文方法分类结果相比SegNet的Kappa系数分别提高了0.0459和0.0545,相比ImageNet预训练SegNet的Kappa系数分别提高了0.0377和0.0346,且在样本数较少的类别上,本文方法分类精度提升更明显。     

面实体匹配的集成学习CatBoost方法

现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提出了一种基于集成学习算法CatBoost的面实体匹配方法,将匹配问题转化为分类问题。选取形状、面积、方向和位置4个几何特征作为模型分类特征;利用过采样与欠采样相结合的混合重采样技术减轻原始训练样本的类别不平衡度;借助贝叶斯优化算法确定CatBoost模型的最优超参数;引入可解释人工智能领域的SHAP解释框架从全局和局部两个角度解释各输入特征对匹配结果的影响。在青藏高原的面状湖泊数据上对本文提出的方法进行了验证,实验结果表明：对模型预测影响最大的特征是位置,然后依次是面积、形状,影响最小的特征是方向。CatBoost匹配方法在实验数据集上的查准率、查全率和F1-score分别达到0.9937、0.9753和0.9844,相比于直接使用样本不均衡的原始样本进行模型训练,分别提高了约5.8%、0.6%和3.3%。与传统的面实体多指标双向匹配方法和逻辑回归、K近邻、决策树、神经网络等常规机器学习分类算法相比,集成学习算法CatBoost性能表现更加优异,在避免指标权重和阈值设置难题的同时取得了较好的匹配结果。     

测绘地理信息科技创新促进经济发展探索研究

科技创新是当前测绘地理信息行业可持续发展的核心动力,测绘地理信息科技创新投入能力和产出能力是影响测绘地理信息行业经济竞争力的主要因素。通过对我国测绘地理信息科技创新和经济发展相关概念进行研究,设计出了科技创新投入、产出能力和经济发展的相互关系模型。以2011~2015年测绘资质单位相关数据为样本,采用相关分析、熵权和线性回归分析方法进行实证,得出测绘地理信息行业科技创新投入、产出促进了经济发展,科技创新投入和产出在此过程中得到相互促进。     

支持多种模糊处理的英文智能预提示输入引擎

提出并实现了一种基于离散、交叉、非完全字符串匹配技术的英文智能预提示输入引擎,并集成为动态链接库。引擎主要特点是可以提供多种英文预提示输入模式设置,根据用户输入的检索词,对单词相似性、单词频度、输入前文等因素,进行相关度综合计算,从词库中按相关度由高到低输出N个英文单词或短语,供用户选择。引擎解决了英文输入方式单一的问题,为用户提供多种模糊输入方式选择以及更加综合的智能预提示效果;同时,作为一种共性基础技术集成为动态链接库,可以简化各种软件产品中英文预提示输入的设计,降低工程复杂性,缩短设计周期,提升产品的英文预提示输入的智能处理水平。     

航空矢量重力测量水平分量向下延拓的输入输出法

研究航空矢量重力水平分量向下延拓的输入输出法，并以EGM2008计算的东向分量为例进行仿真实验，在不同的噪声水平下对比分析单输入单输出法和双输入单输出法的向下延拓效果。实验结果表明，当东向分量的精度为1.5 mGal时，单输入单输出法和双输入单输出法均能实现稳定向下延拓；当东向分量的精度为6 mGal时，单输入单输出法的延拓效果不可靠，而双输入单输出法能实现稳定向下延拓。     

基于AHP和ANN的内网信息安全评估方法研究

为了发现电子政务内网的信息安全隐患,提出一种将层次分析法(AHP)与反向传播人工神经网络(BP ANN)技术相结合的内网信息安全评估方法,基于AHP与BP ANN分别建立模型共同完成评估。以电子政务内网信息安全指标作为样本,利用AHP模型得到指标体系第二层的指标值,再以AHP模型输出值为样本对BP ANN评估模型进行学习和训练,找到输入与输出之间的关系,并对训练好的BP网络进行验证。仿真结果表明,评估方法能够为复杂的电子政务内网进行信息安全评估,评估模型稳定且自适应性强。     

S波段雷达数据反演土壤水分的模拟分析和验证

中国自主研制的环境减灾卫星星座（HJ）中包含多颗光学和雷达小卫星,这些小卫星计划于2007年底陆续升空。其中,载有S波段合成孔径雷达（SAR）的HJ-1C星,预计于2008年发射,该卫星设置有S波段（3.2GHz）,采用VV极化方式,入射角变化范围是25°～47°。本文根据该雷达卫星的系统参数,利用AIEM模型的模拟数据反演土壤水分的变化。首先,对传统单极化SAR数据反演土壤水分的方法（基于简单散射模型）在S波段的适用性进行了分析（共检验了四个波段数据,分别是Ku波段、C波段、S波段和L波段）,结果表明该方法可应用于S波段,且应用效果比C波段好;然后,对以往研究中该方法可采用的不同水分参数形式进行了比较分析,结果表明,以垂直极化幅度作为土壤水分参数效果最好;最后,利用模拟数据对该方法进行验证,结果在两次数据入射角差为5°时,近80%数据的误差在5%以内。     

基于投入产出法的四川省旅游业的产业波及效应分析

以《四川省2002年投入产出表》为基础,重新整理了旅游业、与旅游业直接相关的19个产业以及其它产业共21个产业部门的《四川省二十一部门投入产出表》,运用投入产出理论,在计算21个产业部门的各种系数的基础上,采用波及效应分析方法,计算了旅游业的波及线路、影响力系数、感应度系数等重要指标,定量分析了旅游业在产业发展中的经济地位以及对其他产业的依赖和支持程度.并对未来旅游业的可持续发展提出了几点对策.     

大型稀疏矩阵的压缩技巧及其应用算法研究

本文通过对目前流行的两类关于大型稀疏矩阵优化压缩设计技巧的分析,提出一种在矩阵加、乘算法中统一使用的压缩格式。文中提出的算法,无论是矩阵的输入或者运算结果的输出均采用统一的压缩格式,所以能方便地应用于矩阵链相加或相乘的运算,而且所用的存储量较少,也大大加快了运算速度。用FORTRAN77编制的两算法的标准子程序已经在DPS7机上调试成功。     

STUDIES ON THE POTENTIAL OF GRAIN PRODUCTION IN THE NORTHEAST REGION OF CHINA

Northeast region covers an area of 1.24 million km, making up 12.9% of the total area of China, with a population of 103 million, 9.9% of the total population of China. The grain commodity rate is over 35%. It is one of the very important regions of grain production in China. As population and grain demand unceasingly increase, the potential of grain production, and the commodity grain provided for the nation are the major problems about grain consumption and distribution in the future. And they directly affect the realization of national planning objective of grain production.The analysis of grain production conditions and history indicates that: 1) The increase of total grain output is mainly dependent on the increase of grain yield per unit area, but not the enlargement of grain sown area. 2) The factor to affect grain yield per unit area are materials input, correct policies, yearly climatic variation. 3) By the year 2000 and 2010 the total grain output in this region will be respectively 66.16-66.2     

基于多尺度特征感知网络的城市植被无人机遥感分类

目前城市植被分类受特征相近、光谱相似影响导致植被漏分、错分。因此,设计了一种多尺度特征感知网络（MFDN）结合高分辨率无人机可见光影像对城市植被分类。该网络针对漏分、错分问题,通过在输入层引入坐标卷积减少空间信息的丢失;构建并行网络增强多尺度特征信息并在网络之间引入重复多尺度融合模块使整个过程保持高分辨率表示,减少细节特征的丢失;同时添加分离特征模块扩大感受野,获取多尺度特征,从而有效缓解了城市植被错分、漏分现象。结果表明,MFDN方法在仅使用无人机可见光影像条件下主要是通过空间模式而不是光谱信息促进了城市植被分类,平均总体精度为89.54%,平均F1得分为75.85%,平均IOU为65.45%,分割结果准确完整。因此,所提方法与易于操作的低成本无人机系统相匹配,适用于城市植被快速调查,可以为城市空间利用和生态资源调查提供技术支持和科学依据。