高阶模糊地理对象的方向关系研究

根据区间II型模糊集理论研究了高阶模糊地理实体的方向表示方法,提出以方向场描述其方向隶属度,以分区方向场代替原始方向场,研究了高阶模糊地理实体的方向关系分析方法,给出了方向场的隶属度误差和方向关系的隶属度误差表示方法。     

高阶模糊地理现象建模和度量研究

模糊地理现象的建模和度量方法已经取得了一些进展,但是现有的模型不能度量隶属度的误差,不足以客观描述复杂的模糊地理现象。认为尺度效应和测量误差是客观上引起模糊地理现象隶属度误差的主要方面,相关人员的主观性和部门间标准的差异性是主观上引起隶属度误差的主要方面.基于区间II-型模糊集理论建立了模糊地理对象模型,研究了区间II-型模糊线长度、区间II-型模糊面面积的度量方法和它们隶属度误差的度量方法。该模型能表达隶属度误差,克服了现有模型的诸多缺陷。在自然灾害分析、全球变化和植被变化等方面有良好的应用前景。     

八方向模糊不均匀划分及参考点位误差所致不确定性分析

方向概念的模糊性和空间数据固有的不确定性导致了方向关系的复杂性,在空间关系描述和推理研究中需要考虑空间数据的不确定性和方向概念的模糊性。在四方向模型中各方向片是等角划分;在八方向模型中4个主要方向片各占60°,4个次要方向片各占30°。利用区间二型模糊集理论建立了顾及参考点点位误差的八方向模糊不均匀划分模型,基于区间二型模糊集讨论了方向主隶属度成员函数和隶属度的不确定性。对比分析了八方向模糊不均匀划分模型与锥形模型的区别,讨论了具有点位误差的参考点与线和多边形的方向关系计算过程,通过两个实例分析了该模型的特点和点与多边形方向关系的确定方法。     

一种新的高分辨率遥感影像模糊监督分类方法

针对高分辨率遥感影像分类中由于细节特征突出、同质区域光谱测度变异性增大所带来的像素类属的不确定性及模型的不确定性等造成的误分结果,提出一种基于模糊隶属函数的监督分类方法。对同质区域定义高斯隶属函数模型用来表征像素类属不确定性;模糊化该隶属函数参数建立影像模糊隶属函数,以建模同质区域光谱测度的不确定性;用训练样本在所有类别中的模糊隶属函数及原隶属函数（高斯隶属函数）中的隶属度为输入,建立模糊线性神经网络模型作为目标函数,实现分类决策。该算法和经典算法对World View-2全色合成影像及真实影像进行定性和定量分类实验,分类结果验证了文中方法具有更高的分类精度。     

基于不同拟合方法的圆曲线综合不确定性模型

分别利用直线、圆曲线与多项式曲线的拟合空间曲线实体,估计出拟合曲线与真实曲线之间的模型误差,建立包含模型误差与法线方向位置误差的曲线综合误差带模型。并通过算例证明了含有模型误差的综合误差带模型能更好地反应圆曲线的位置不确定性。     

附有建模误差的曲线不确定性及其可视化

为描述复杂的现实世界对象,在GIS中将地理对象抽象和简化,建模误差必然存在,并且成为不确定性内容中的重要组成部分。本文将建模误差纳入到不确定性模型中,以三维B样条曲线为例,采用误差传播律来评估参数曲线的线位不确定性,充分体现现实世界对象的复杂性和数字表达的抽象简化的差距,进一步完善了不确定性理论。     

矢量GIS中模糊线元的位置不确定性研究

地理信息不确定性是GIS基础理论中一个重要的研究方面,当前对于地理信息不确定性的研究主要集中在确定性地理实体上,而对于没有明确空间范围定义的模糊地理实体则研究较少。同时,地理信息不确定性根据GIS中的数据组织形式大致有位置不确定性和属性不确定性两个方面,而由于在GIS的数据组织中属性数据和位置数据的密切联系,属性不确定性往往取决于位置不确定性,因此研究位置不确定性是研究地理信息不确定性的关键所在。基于矢量GIS,利用模糊数学、测量平差等知识,提出一个“扩展ε-band”方法来建立模糊线元的位置不确定性模型。     

基于模糊场的ε-误差带模型

简述了过去研究空间数据不确定性的方法及其缺点，提出了一个基于地理数据场模型和模糊集合论的生成ε－误差带的新方法。某城郊的土地覆盖制图的实例证明了本文所提方法的理论性强、效率高，并且有助于今后对地理信息系统不确定性的理论问题展开系统的研究。     

基于模糊场的ε—误差带模型

简述了过去研究空间数据不确定性的方法及其缺点，提出了一个基于地理数据模型和模糊集合论的生成ε－误差带的新方法。某城郊的土地覆盖制图的实例证明了本所提方法的理论性强，效率高，并且有助于今后对地理信息系统不确定性的理论问题展开系统的研究。     

长距离GPS/BDS参考站网多频载波相位整周模糊度解算方法

长距离网络RTK是实现GPS/BDS高精度实时定位的主要手段之一,其核心是长距离参考站网GPS/BDS整周模糊度的快速准确确定。本文提出了一种长距离GPS/BDS参考站网载波相位整周模糊度解算方法,首先利用GPS双频观测数据计算和确定宽巷整周模糊度,同时利用BDS的B2、B3频率观测值确定超宽巷整周模糊度。然后建立GPS载波相位整周模糊度和大气延迟误差的参数估计模型,附加双差宽巷整周模糊度的约束,解算双差载波相位整周模糊度,并建立参考站网大气延迟误差的空间相关模型。根据B2、B3频率的超宽巷整周模糊度建立包含大气误差参数的载波相位整周模糊度解算模型,利用大气延迟误差空间相关模型约束BDS双差载波相位整周模糊度的解算。克服了传统的使用无电离层组合值解算整周模糊度的不利影响。采用实测长距离CORS网GPS、BDS多频观测数据进行算法验证,试验结果证明该方法可实现长距离参考站网GPS/BDS载波相位整周模糊度的准确固定。     

GIS结点捕捉的广义算法及误差传播模型

根据最小二乘原理，本文提出了结点捕捉的一种广义算法，并建立了伴随的误差传播模型，针对位于模糊公差范围内待捕捉点组中各点坐标误差统计我的各种可能的特殊情况，进一步导出了相应的简化算法以及其误差传播模型，并从理论和数值模拟两方面系统地分析了结点坐标的相准确性一对捕捉结果的影响，理论推导表明，现有的GIS结点捕捉算法属广义算法的一种特殊情况，最后通过算例说明了广义算法和误差传播模型的实际应用前景。     

模糊模式识别在提高地图矢量化精度中的应用研究

在GIS地图矢量化中,由于原始数据的获取,软件算法精度等原因使得矢量图形存在误差,本文阐述了模糊模式识别方法的原理,探讨了利用模糊模式识别对一些常用图形(矩形、圆、三角形等)进行矫正的方法,并应用于对一些具有模糊特征的地物边界进行判别。     

GPS空间位置精度因子模糊分析

高精度测量是GPS的重要特性，但由于各种因素的存在，所有GPS测量信息都存在着一定的误差，这说明GPS的读数并不能准确代表目标的真实位置。本文提出一种为提高GPS测量精度的模糊分析，比较本方法与简单的点平均，并提供了在S／A存在与不存在不同时间的真实试验数据，证明了本方法能比简单的点平均提供更精确的位置信息。     

GPS车辆导航中的实时地图匹配算法

通过误差来源的分析和误差模型的建立，提出了一种车辆导航中GPS定位测量与数字地图实时配准的地图匹配算法，这使得在现有的基本硬件配置条件下，车辆导航定位精度更高。最后对算法进行了分析，并给出了统计结果。     

InSAR系列讲座5:InSAR系统中的误差传播

作为InSAR系列讲座的第五篇，本文介绍InSAR高程与形变测量中的误差来源，对主要误差源（干涉相位、基线参数和地形数据）推导出误差传播模型。此外，还将讨论地形数据误差对干涉形变测量的影响。     

观测值精度指标一致性与样本容量的关联性分析

观测值精度指标的表达通常有中误差、或然误差和平均误差,对于比较不同精度的观测数据,由于定义和计算原理的不同,它们在反映测量时存在一定差异,且与样本数据的数量(即样本容量n)存在较大的关联。以不同精度的仪器出来的实验数据为研究对象,采用MATLAB设计了相关计算程序,在粗差检测与剔除的基础上,详细探讨了不同精度指标与样本容量的关联性。实验证明,n=8~12时,精度指标中误差、或然误差、平均误差具有一致性。     

模糊实体之间的拓扑关系的分析

在GIS的模糊不确定性的条件下就模糊实体之间的拓扑关系进行讨论,在确定地理实体的拓扑关系的基础上,提出了模糊相交、模糊重合、模糊邻接、模糊包含等一系列的新概念,并针对模糊点、模糊线和模糊面之间的拓扑关系进行了具体分析。最后指出了模糊实体之间的拓扑关系存在的问题和今后的研究方向。     

误差熵不确定带模型

本文从信息论的基本理论出发，通过熵的极值定理和引入误差熵的概念 ，首次提出了误差熵不确定带模型。该模型与以往的误差模型有着本质的区别。它不是任何意义上的置信带，而是一种完全确定的，与置信水平无关的不确定带模型。     

Evaluation of fuzzy-based classifiers for cotton crop identification

In this study, an evaluation of fuzzy-based classifiers for specific crop identification using multi-spectral temporal data spanning over one growing season has been carried out. The temporal data sets have been georeferenced with 0.3 pixel rms error. Temporal information of cotton crop has been incorporated through the following five indices: simple ratio (SR), normalized difference vegetation index (NDVI), transformed normalized difference vegetation index (TNDVI), soil-adjusted vegetation index (SAVI) and triangular vegetation index (TVI), to study the effect of indices on classified output. For this purpose, a comparative study between two fuzzy-based soft classification approaches, possibilistic c-means (PCM) and noise classifier (NC), was undertaken. In this study, advanced wide field sensor (AWiFS) data for soft classification and linear imaging self scanner sensor (LISS III) data for soft testing purpose from Resourcesat-1 (IRS-P6) satellite were used. It has been observed that NC fuzzy classifier using TNDVI temporal index – dataset 2, which comprises four temporal images performs better than PCM classifier giving highest fuzzy overall accuracy of 96.03%.