基于人工神经元网络的空间知识表达与推理方法研究

分析了智能决策支持系统的结构,通过比较指出了基于符号的知识表达与推理方法的不足,阐述了基于神经网络的知识表达与推理的方法,并认为神经网络方法可作为智能空间决策支持系统中符号方法的替代或补充,并通过实例验证了基于神经网络的不确定空间知识表达与推理的有效性.     

沉降观测周期的确定方法

本文结合实例介绍了沉降观测周期的简便确定方法，并提出了特殊情况下确定沉降观测周期的不同方法。     

基于改进BP神经网络的遥感图像分类研究

本文针对基于传统BP神经网络方法的遥感图像分类存在学习速度慢、易陷入局部最优解的问题,提出基于遗传算法的改进BP神经网络结构,以提高遥感图像分类精度。本文基于遗传算法确定权值和神经元数目完成对BP神经网络的模型优化,最后通过宣城市遥感信息图像处理实例,对最大似然、传统神经网络以及改进BP神经网络三种方法的分类结果定量分析,结果表明改进的BP神经网络方法分类精度最高。该改进方案对遥感图像的信息提取提供了新的思路。     

遗传神经网络在大坝安全评价中的应用

利用神经网络方法评价大坝安全具有一定的优势,但传统大坝安全评价方法不能为神经网络模型提供合适的学习样本。文中引入安全度值的概念,为神经网络提供可量化的学习样本,并针对BP神经网络收敛速度慢、稳定性差、易陷入局部极小等问题,利用遗传算法进行改进,提出基于遗传神经网络的大坝安全评价方法。工程实例表明,评价方法合理、可行。     

用神经网络方法确定测区似大地水准面

本文提出一种用神经网络确定测区似大地水准面的方法,并给出了相应的神经网络结构和算法。研究了一个测区中用该方法确定的似大地水准面的精度,结果表明用该方法确定的似大地水准面的精度为厘米级,并与二次多项式曲面拟合似大地水准面的方法作了比较,神经网络方法的精度较优。     

平坦地区转换GPS高程的混合转换方法

简要介绍了转换GPS高程的二次曲面拟合法和神经网络方法。然而 ,这 2种方法都有缺点 ,介绍的CF&NNM方法充分利用了 2者的优点 ,通过 2个平坦地区的工程实例 ,证实该方法的有效性 ,并得到一些有工程应用价值的结论。     

区域似大地水准面确定的最小二乘支持向量机方法

支持向量机(SVM)是近年来发展起来的机器学习的新方法,它较好地解决小样本、非线性、高维数、局部极小点等实际问题.文中研究支持向量机的拓展算法--最小二乘支持向量机(LSSVM),并将其应用于确定大面积复杂似大地水准面.通过工程实例并与神经网络模型和二次曲面多项式拟合模型相比较,验证确定区域似大地水准面的LSSVM方法的有效性.     

遗传神经网络在GPS高程转换中的应用研究

针对神经网络在GPS高程转换过程中易陷入局部极小解等问题,提出了将遗传算法和神经网络相结合的方法,并讨论了遗传神经网络模型结构及算法,通过实例分析,验证了该方法不仅能克服神经网络收敛速度慢、易陷入局部极小解等缺陷,且具有较高的精度和计算效率.     

几种确定似大地水准面方法比较

利用GPS点水准联测数据,通过曲面拟合的方法得到高程异常值;重点探讨了在同一组数据下分别采用二次曲面、多面函数、神经网络和样条函数等拟合方法;通过实例验证这些方法的可行性,同时对各种方法的精度进行了比较。     

神经网络和知识推理结合的卫星影像分层提取方法研究

提出一种基于神经网络和知识处理的卫星影像分层提取新方法，实现了水系、公路和其他面状地物的分层智能提取。它先用神经网络和基于像元的知识后处理方法提取水系和公路等地物，再通过图像处理方法，将其从原始图像中去除，然后再用神经网络模型分割其他面状地物，统计各斑块的纹理、高程、坡度、形状等特征，采用基于斑块的不确定推理方法分类。最后实验表明新方法优于传统的神经网络方法，而且避免了知识推理方法的复杂性。