基于区间值模糊C-均值算法的土地覆盖分类

用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.     

自适应滤波的高分辨率遥感影像薄云去除算法

本文在借鉴遥感影像云雾去除相关研究基础上,提出了一种自适应滤波和非线性灰度变换的高分辨率遥感影像薄云雾消除方法,并与现有的几种效果较好的去云雾方法进行了对比研究。结果表明,本文提出的方法不仅能够有效降低薄云雾遮挡干扰影响,而且可以很好地保持原始影像真实的光谱特性,同时针对不同波段地物光谱特性做相应的灰度变换和融合处理,能够在很大程度上减少遥感影像的细节信息的丢失和保持图像的清晰度,是一种有效去除薄云雾覆盖的方法。     

推拿联合艾灸治疗小儿腹泻90例总结

目的：观察推拿联合艾灸治疗小儿腹泻的临床疗效。方法：将180例小儿腹泻患者随机分为2组，每组各90例。对照组采用西医常规治疗，治疗组采用推拿联合艾灸治疗。比较2组患儿的综合疗效、症状缓解时间及住院时间。结果：总有效率治疗组为96.67%，对照组为83.33%，组间比较，差异有统计学意义（P<0.05）。治疗组症状缓解时间及住院时间与对照组比较，差异均有统计学意义（P<0.05）。结论：采用推拿联合艾灸治疗小儿腹泻患者可以有效改善临床症状、缩短治疗时间，效果显著，值得临床推广。     

中西医结合治疗儿童肺炎75例临床观察

目的：观察小儿肺咳颗粒联合西药治疗儿童肺炎肺脾气虚证的临床疗效。方法：将150例肺炎患儿随机分为2组，每组各75例。对照组采用西药常规治疗，治疗组在对照组治疗基础上加肺咳颗粒治疗。结果：总有效率治疗组为94.7%，对照组为84.0%，组间比较，差异有统计学意义（P<0.05）；2组白细胞计数（WBC）、C-反应蛋白（CRP）治疗前后组内比较及治疗后组间比较，差异均有统计学意义（P<0.05）。结论：小儿肺咳颗粒联合西药治疗儿童肺炎肺脾气虚证疗效显著，能明显改善患者肺炎症状，安全可靠。     

基于面向对象的无监督分类的遥感影像自动分类方法

为了实现无任何先验知识的高分辨率遥感数据的自动分类,并进一步提高自动分类精度和效率,提出了一种基于面向对象的无监督分类方法(Object Oriented Unsupervised Classification).具体步骤如下:首先对遥感影像进行分割,得到一系列空间上相邻、同质性较好的分割单元,然后对分割单元进行特征提取,得到分割单元的对象特征(光谱特征、纹理特征等多特征信息),进而对分割单元进行基于对象特征马氏距离聚类.最后,通过分类后处理(类别合并、错分类别调整等)得到最终的分类结果.通过实验表明:本文提出的方法不仅能够利用影像中更多的特征信息进行聚类而且还可以有效地减少聚类对象的个数,从而使自动分类的精度和效率都得到较大的提升.     

连云港风浪谱分析

本文是建立在连云港“波浪骑士”测波仪实测记录分析的基础上。通过分析,获得了该地区的波浪统计特征,波谱特征及其特征参数与波高,波周期的关系,最后给出了代表该地区的风浪谱公式。     

西安南郊和陕北长武土壤CO2 释放量研究

本文根据NaOH溶液吸收CO2的方法,对西安南郊和陕北长武地区土壤CO2释放量进行了昼夜观测。观测结果表明,不同地区土壤CO2释放量存在差异,气候偏冷偏干地区土壤CO2 释放量较小,气候偏热偏湿地区土壤CO2释放量较大。陕北长武土壤CO2释放量变化再次证明,从当日早晨至次日早晨, CO2释放量具有由低变高再变低的规律; CO2释放量相对于大气温度的日变化具有滞后性,滞后时间为4～6小时;土壤CO2释放量白天较少,夜间较多; CO2释放量变化显示,在土层深厚的地区,土壤微生物夜间活动强度总体应比白天大。      

基于自适应区间二型模糊聚类的遥感土地覆盖自动分类

遥感影像土地覆盖分类面临"类别密度差异显著"、"同谱异物"和"同物异谱"等不确定性问题,传统的分类方法(如FCM)因不能描述高阶模糊不确定性,无法完成准确建模,使分类误差较大,而二型模糊集恰是处理此类不确定性的有效工具.在引入二型模糊集新概念和自适应降型新方法的基础上,提出一种自适应二型模糊分类方法(A-IT2FCM):(1)基于样本集模糊距离度量构建面向分类的区间二型模糊集,以尽可能降低对先验知识和预设参数的依赖,从而满足自动分类的要求;(2)给出一种自适应探求等价一型代表(模糊)集合的高效降型方法,在此基础上进行自适应区间二型模糊聚类.实验数据为珠海横琴和北京颐和园的SPOT5影像数据,对比方法有AIT2FCM、基于Karnik-Mendel算法降型和基于Tizhoosh提出的简易降型方法的区间二型模糊C均值聚类以及作者前期研究提出的区间值模糊C-均值算法(IV-FCM).实验结果表明,A-IT2FCM方法分类效果佳,在类别具有较大密度差异和多重模糊性时能得到比FCM及IV-FCM更精确的边界和更连贯的类别,适于处理遥感影像土地覆盖类别的深层不确定性;同时在"光谱混叠"现象严重时,可以获得比对比方法更稳健、精度更高的影像自动分类结果,且时间复杂度明显低于基于Karnik-Mendel方法.