基于模糊神经网络的模糊空间对象生成方法研究

随着对GIS中的空间对象模型和自然地理特征表达的研究深入,模糊空间对象被提出。针对模糊空间对象表达的特点,提出了一种基于模糊神经网络的模糊空间对象生成方法。该方法将模糊技术与神经网络相结合,利用神经网络的学习能力调整模糊隶属函数和模糊规则,使系统具备自适应的特性。实验表明,这种基于模糊神经网络的生成模糊空间对象的方法比传统方法大大的提高了成果的精度。     

基于9-Intersection模型的模糊空间对象间的拓扑关系研究

本文将从地理认知的角度上分析并选择一个适合于在GIS中应用9-Intersection模型的模糊空间对象的边界定义,并构建一个能够采用9-Intersection模型精确判断模糊空间对象之间拓扑关系的模糊拓扑空间(CITfts),并进行相应的证明,最后建立简单模糊区域,采用empty/no-empty算子给出模糊空间对象之间的拓扑关系的表达形式。     

模糊目标的概念模型和应用

由于现实世界的连续性和多样性，地理实体具有不确定空间分布范围和边界，它们在GIS中的表达被称为模糊目标，提出了“模糊空间分布目标”的概念表示模糊目标即地理实体的复杂性和多样性。讨论了3个通用模糊目标模型以适用于不同的情形,FF－object具有模糊空间分布和模糊内核，适用于描述空间重叠的目标；FG－object具有确切内核和模糊空间分布，适用于描述空间分离但边界不明的目标，CF－object具有确切的条件边界和模糊内核，适用于描述空间分离且有边界的目标，我们用一个海岸带研究的实例说明模糊目标模型的应用。     

基于模糊贴近度分析的不确定拓扑关系表达模型

根据人类对模糊空间关系的认知层次性特点,将不确定拓扑关系的表达归结为求解不确定空间关系实例与基本拓扑关系概念之间的隶属度。基于贴近度分析的基本方法建立不确定地理目标之间空间拓扑关系模糊表达模型方法。结合具体的算例说明基于该模型方法的拓扑关系模糊表达推算过程,并通过与经典的Egg—Yolk以及宽边界模型方法表达的拓扑关系表达结果进行对比分析,验证模型的合理性。     

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。     

挖掘模糊空间关联规则的方法

将模糊关联规则挖掘方法与模糊空间概念层次表达、模糊空间关系层次分析等结合起来,研究模糊空间关联规则挖掘的理论和方法.对于挖掘算法以及规则的置信度和隶属度计算问题,文中结合应用实际,给出了详细理论推演和算法实现过程.     

一种土地使用模糊空间决策方法

基于空间土地信息 ,提出了一种用地负荷预测的模糊空间决策方案 ,建立了土地利用模糊空间规则和隶属函数 ,并考虑决策的多因素影响 ,采用了多目标决策方法用于土地规划 ,并给出了土地利用决策的实际案例和计算结果 ,表明方法的有效性     

挖掘模糊空间关联规则的方法

将模糊关联规则挖掘方法与模糊空间概念层次表达、模糊空间关系层次分析等结合起来，研究模糊空间关联规则挖掘的理论和方法。对于挖掘算法以及规则的置信度和隶属度计算问题，文中结合应用实际，给出了详细理论推演和算法实现过程。     

一种基于自适应谐振理论的TM遥感影像神经网络分类器

提出了一种基于自适应谐振理论建立起来的自组织模糊ARTMAP神经网络分类器。分析了ART神经网络的结构和工作原理,给出模糊ARTMAP神经网络分类的具体算法,并将其运用到TM遥感影像分类的实验中。结果表明模糊ARTMAP神经网络分类器的速度快,精度高,比常用的BP网络具有更好的性能。     

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。     

Fuzzy topological relations between fuzzy spatial objects

Fuzziness is an internal property of spatial objects.How to model fuzziness of a spatial object is a main task of next generation GIS.This paper proposes basic fuzzy spatial object types based on fuzzy topology.These object types are the natural extension of current nonfuzzy spatial object types.A fuzzy cell complex structure is defined for modeling fuzzy regions,lines and points.Furthermore,fuzzy topological relations between these fuzzy spatial objects are formalized based on the 9intersection approach.This model can be implemented for GIS applications due to its scientific theory basis.     

基于矢量数据模型的模糊地理对象建模

研究了模糊地理对象建模的空间建模方法，首先以对象建模方法定义模糊地理对象，以矢量数据模型为基础，用UML设计模糊对象类和模糊地理对象类，然后以统一的UML图表示基本模糊地理对象的概念模型，尤其是模糊拓扑关系，最后将UML图直接导入通用关系数据库，完成数据库的设计。     

模糊空间对象拓扑关系的Rough描述

利用Rough Set理论,在四交差模型的基础上,提出适合于描述确定和模糊区域或两个模糊区域目标间拓扑空间关系的扩展模型(4-4ID模型),并且详细讨论模糊对象之间的拓扑关系。     

基于空间加权距离的自适应Fuzzy C-Means算法研究

空间聚类不仅应考虑GIS对象属性特征的相似性,还应考虑对象的空间邻近性。不同属性、位置特征在聚类中起到的作用不同。采用信息熵方法计算空间距离中各属性距离、位置距离的权重,权值大小用于度量相应特征在fuzzy c-means隶属度计算时的作用大小,并引入相似性指标,当两个聚类之间的相似度高于某个合并阈值时,则对应的一对聚类进行合并,从而克服需预先设置聚类类数的问题。通过应用实例的聚类有效性分析,与普通空间距离相比,基于空间加权距离的FCM算法具有稳定性和有效性。     

论GIS的模糊不确定性及其表示

由于GIS在社会中的作用越来越大,研究其精度就格外重要,文章就GIS的模糊不确定性进行了研究:首先就人类对不确定性的认识进行了论述,接着简单介绍不确定性的相关概念,然后详细地阐述了GIS存在着模糊不确定性以及模糊不确定性的多种来源,接着,就空间实体中的模糊点、模糊线和模糊面用模糊理论进行表示,最后总结并提出了今后的研究方向。     

基于模糊度的不确定地理目标的形式化描述方法

在对模糊度分析的基础上，研究了地理目标位置与属性不确定性的集成度量策略，提出了基于四元组(x，y，A，D)的能集成表达位置和属性不确定性的模糊点、模糊线和模糊面的形式化描述方法。以模糊度曲面在建设项目选址空间决策中的应用为例，探讨了基于该形式化描述方法的模糊分析应用。实验结果表明，该形式化描述方法是一种有效集成位置与主题属性不确定性的方法。