模糊评判在矢量地图数据质量评价中失效的处理

矢量地图数据作为GIS数据的一种主要形式,其质量问题受到很大的重视。目前对矢量地图数据的质量评价有许多种方法,应用比较多的是模糊综合评判。但是,运用此方法会出现失效现象,本文在分析矢量地图的质量元素基础上,针对现有的质量模糊综合评判失效问题进行了探讨;提出了带信任度的模糊综合评判方法,较好解决了评判过程中的失效问题,提高了评判效率以及评判结果的可靠性。     

模糊评判在矢量地图数据质量评价中失效的处理

矢量地图数据作为GIS数据的一种主要形式,其质量问题受到很大的重视。目前对矢量地图数据的质量评价有许多种方法,应用比较多的是模糊综合评判。但是,运用此方法会出现失效现象,本文在分析矢量地图的质量元素基础上,针对现有的质量模糊综合评判失效问题进行了探讨;提出了带信任度的模糊综合评判方法,较好解决了评判过程中的失效问题,提高了评判效率以及评判结果的可靠性。     

模糊综合评判及其在测绘中的应用

介绍模糊综合评判的基本概念和方法,通过一个应用实例说明其具体应用过程,介绍了模糊综合评判在测绘工作中的应用。详细论述了模糊综合评判用于数字化地形图检验的方法。对单个产品和批量产品检验应用模糊综合方法使质量检验更科学、更合理、更完善。     

使用多尺度模糊融合的高分影像变化检测

为了提高高分辨率遥感影像变化检测的可靠性,提出了一种基于模糊综合评判的遥感影像变化检测方法。首先对两个时相的影像进行波段叠加,对多波段新影像进行多尺度分割;然后针对单一尺度上的对象,综合考虑两时相遥感影像对象的光谱特征和纹理特征,建立模糊综合评判模型,对各个对象内的像素是否发生变化进行隶属度计算;最后采用熵权法对影像各个像素在不同尺度的"软"模糊评判结果进行定权处理和加权融合。实验以两组不同时相的高分影像为例,实现了基于模糊逻辑的多尺度变化检测有效融合,充分利用了多层次的像素特征,得到了整体优于单一尺度面向对象变化检测的结果,为多尺度变化检测提供了新的思路。     

基于模糊数学的公路枢纽重要性综合评判

通过对交通枢纽的介绍强调了公路枢纽的重要性,具体介绍了模糊综合评判的方法,重点介绍了隶属函数的概念以及常见的模糊分布,然后对公路枢纽的重要性进行了模糊综合评判,最后用东北地区几个城市的数据验证了模型的合理性。实验结果表明,利用模糊数学的方法,对于评判交通枢纽的重要性起着关键的作用。     

基于模糊数学的公路枢纽重要性综合评判

通过对交通枢纽的介绍强调了公路枢纽的重要性,具体介绍了模糊综合评判的方法,重点介绍了隶属函数的概念以及常见的模糊分布,然后对公路枢纽的重要性进行了模糊综合评判,最后用东北地区几个城市的数据验证了模型的合理性.实验结果表明,利用模糊数学的方法,对于评判交通枢纽的重要性起着关键的作用.     

模糊综合评判法在土木工程测量实习成绩评定中的应用

提出采用模糊综合评判的方法来评定土木工程测量实习成绩。根据土木工程测量实习的特点建立一套评价指标体系,确定各指标的权重,给出模糊综合评判的流程。实例应用表明该方法科学合理,实用性较强,也可以推广到其他测绘类实习中。     

利用模糊综合评判进行面向对象的遥感影像变化检测

提出了利用模糊综合评判进行面向对象的遥感影像变化检测方法。首先对遥感影像进行多尺度分割来获取对象;然后,进行对象的特征优选,利用变化向量模法、χ2变换法、向量相似度法、相关系数法来构造"综合层间逻辑值",并作为因素集建立模糊综合评判模型,对目标对象是否发生变化做出判决。最后与单个"层间逻辑值"进行OTSU阈值分割的结果进行对比,证明了该方法的可行性。     

采用模糊综合评判方法对居民地要素进行自动综合的方法分析

本文介绍了地形图自动综合问题的发展现状,对目前地形图自动综合采用主要数学模型进行了分析。在此基础上,采用模糊综合评判的方法对地形图居民地要素进行了自动综合的可行性、合理性、实用性、适用性分析,以期模糊综合评判的理论和方法在地形图自动综合问题中能有更为深入的应用。     

基于模糊重心综合评判的GIS数据产品质量评价研究

数据质量的好坏,直接影响着GIS应用分析结果的可靠性及应用目标的实现;而缺少数据质量衡量指标的GIS产品和其他产品一样,将无法得到用户的信任。因此,本文针对GIS数据产品的质量评价问题,基于模糊推理为主的重心综合评判法思想,提出应用模糊重心综合评判法对GIS数据产品的质量进行评价。同时结合实例与模糊评判法进行比较,证明模糊重心综合评判法评判的结果更为合理、可靠,认为其在GIS数据产品的质量评价方面是一种较为科学的方法。     

基于马尔科夫随机场与模糊C均值的遥感影像分类

模糊C均值聚类是一种经典的非监督聚类模型,成功地应用于遥感影像分类。但是该方法对初始值敏感,容易陷入局部最优解;同时聚类时仅考虑光谱信息,忽略了空间信息。本文提出了一种新的基于马尔科夫随机场的模糊C均值聚类方法,该方法把马尔科夫随机场和模糊C均值结合在一起。初始值依据第一主成分的密度函数确定,这样克服了对初始值的依赖性,又在聚类的时候考虑了空间信息。通过实例数据验证,所提出的方法分类精度优于传统的模糊C均值模型。     

利用一种模糊神经网络对遥感影像进行分类的研究

结合遥感影像的特点,提出一种模糊逻辑系统和神经网络中的BP算法相结合的模糊神经网络,利用其进行整个遥感图像的分类,并和典型的BP神经网络进行对比,发现其优点以及存在的问题。     

一种改进的多光谱影像模糊加权聚类方法

多光谱影像具有丰富的地物信息,利用多光谱影像进行聚类分析可以充分利用遥感影像为在大范围地区进行变化检测和土地利用分析作出应有的贡献。而模糊聚类更接近实际情况,能提高影像分类精度,缩短分类时间,提高系统运行效率。本文采用对多光谱影像先进行K-L变换去除了大量的冗余数据后,再进行改进的加权模糊聚类处理方法,取得了较理想的分类效果。     

模糊聚类法在专题数据分级中的应用

在对专题数据的处理中,运用模糊聚类分析法对其建立相似矩阵,以截集法进行分类分级,并对加权聚类法的应用进行了详细的探讨.     

An Improvement on the Clustering of High-Resolution Satellite Images Using a Hybrid Algorithm

The challenge of obtaining training data for supervised classifications of satellite images has led researchers to unsupervised algorithms, i.e. cluster analysis. Numerous researches have been conducted to improve quality and decrease uncertainty of results of this analysis. This study proposes a hybrid cost function as well as a hybrid clustering algorithm-Artificial Bee Colony optimization approach for the clustering of high-resolution satellite images. In order to evaluate viability of the proposed methodology, it is compared to some other classic clustering algorithms such as modified K-Means, K-Medoids, Fuzzy C-Means, and Kernel-based Fuzzy C-Means methods over three different study areas selected from a WorldView-2 satellite image. The Shannon entropy technique, Kappa coefficient, compactness, and separation criteria are used as quality and uncertainty indicators for the evaluation. The results of the study show that, compared to other methods, the hybrid algorithm obtained from the proposed cost function, Kernel-based Fuzzy C-Means method, and ABC algorithm provide clustering capabilities of higher quality and lower uncertainty levels.     

基于PCM改进算法的遥感混合像元模拟分析

混合像元的存在是影响遥感图像分类精度的主要原因,模糊分类是进行混合像元分解的重要方法,其效果的好坏取决于各像元分类后对各类别的隶属度值能否准确地反映像元的类别组成。当非监督分类中的聚类数目与实际类别数目不符,或者监督分类中训练样本存在未训练类别时,常用的模糊c-均值(FCM)方法的效果将大大降低,而可能性c-均值(PCM)方法则可以解决这个问题。该文提出了基于PCM算法的遥感图像混合像元分解方法,并用监督分类方法实例说明PCM方法的优越性。     

一种顾及上下文的遥感影像模糊聚类

模糊聚类是非监督分类中的一类重要方法。传统的模糊聚类方法应用于遥感影像的非监督分类时，均未考虑到邻域像元间的统计依赖关系即上下文信息。针对这一缺陷，在Markov随机场模型框架下，引入了空间隶属度概念，提出了一种顾及上下文信息的模糊聚类算法，有效地提高了聚类精度和抗噪声能力。针对需要预先指定聚类个数的问题，采用了一种兼顾类别内部紧密程度和类别之间分离程度的评价指标，用以检验聚类结果的有效性。从而找出最优的聚类个数，在一定程度上提高了聚类结果的客观性。最后通过实验验证了本文算法的有效性。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

基于分形纹理的遥感影像土地覆盖的分类方法研究

提出一种基于分形理论和改进模糊C均值聚类的遥感图像非监督分类方法,该方法尝试将图像的光谱信息和纹理特征相结合。将图像进行主分量变换,根据第一主分量计算图像的布朗运动的各方向的分形维数,差分盒维数和"空隙"等纹理特征作为分类依据。采用改进的模糊C均值聚类,并用混淆矩阵方法评定分类结果精度。通过对试验区的分类试验,说明该方法对改善土地覆盖分类精度行之有效。     

生态系统健康评价软件的设计与实现

本文采用AHP(层次分析法)-Fuzzy(模糊综合评价法)相结合的方法设计实现了生态系统健康评价软件,在软件中将二者进行了算法实现,并结合GIS的地理空间分析功能将AHP-Fuzzy对生态系统健康评价的运算结果可视化。并利用锡林浩特地区的草地生态系统健康状况的若干野外调研数据对该软件的功能实现进行了验证,结果表明生态系统健康评价软件的设计与实现满足草地管理和决策人员的需要,该软件可以实现对单个指标的评价或几个指标组合的评价,是一个评价生态系统健康的很好平台。