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。     

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。     

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.     

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。     

土地适宜性评价的模糊神经网络模型

基于神经网络来构造模糊系统,建立了土地适宜性评价的模糊神经网络模型;根据神经网络误差反向修正的原理,设计和推导了该模型的学习算法。实验结果表明,该模型应用于土地适宜性评价具有高效、客观、准确等优点。     

一种基于模糊长短期神经网络的移动对象轨迹预测算法

预测移动对象未来某时刻位置能够为城市规划与管理、城市公共安全、城市应急指挥等提供重要的决策依据,也可为个性化信息推荐、广告定投等基于位置的服务应用提供技术支持。已有预测算法多采用固定格网剖分,位置相近轨迹点常被划分至不同格网,使得潜在轨迹模式被忽略,降低了预测精度。此外,已有预测模型不能有效学习到长序列轨迹有效信息,造成长期依赖问题。本文提出一种基于模糊长短时记忆神经网络（fuzzy long short term memory network,Fuzzy-LSTM）模型的移动对象轨迹预测算法,引入模糊轨迹概念解决固定格网剖分所导致的尖锐边界问题,并对传统LSTM进行改进,综合利用移动对象历史轨迹邻近性和周期性出行特征,提高移动对象轨迹位置预测精度。最后,采用某市10万用户连续15个工作日的移动通讯信令轨迹数据集对方法进行试验分析。结果表明,本文方法在30 min预测周期内的预测平均准确率达到83.98%,较经典的Naïve-LSTM预测模型和NLPMM预测模型分别提高了4.36%和6.95%。     

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。     

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。     

基于T-S模糊神经网络模型的极移预报方法

为提高极移的预报精度,本文建立了基于T-S模糊神经网络的极移预报模型。首先利用最小二乘对极移序列中的趋势项进行拟合外推,然后建立TSFNN预报模型对最小二乘拟合残差部分进行训练和预报,最后合并最小二乘外推值和TSFNN模型预报值得到最终的极移预报值。在试验中,本文基于T-S模糊神经网络模型对不同跨度的极移预报进行研究,并与BP神经网络的预报效果进行对比,结果表明,该预报模型能很好地克服神经网络收敛速度慢、易陷入局部极值、预报精度较低的缺点,可以有效地用于极移预报。     

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。     

基于模糊神经网络的土地合理储备量预测研究

将神经网络和模糊理论相结合建立模糊神经网络模型,从模糊神经网络角度并运用灰色系统理论对建设用地量进行预测,并应用于重庆市2005~2010年的建设用地量预测。计算分析结果表明,该模型具有良好的可行性和合理性,可以为确定土地合理储备量提供依据。     

模糊对象粗糙表达及其空间关系研究

空间数据的模糊性是当前GIS领域研究的难点之一。现有的GIS数据模型基本上还不具备对模糊性进行描述、处理和分析的功能 ,使得GIS对数据的处理容易造成信息损失。把粗糙集和模糊集对空间数据的模糊性和不确定性处理的优势结合起来表达模糊对象 ,即利用粗糙集处理由于知识的粒度性所造成的模糊性和不精确性 ;利用模糊集处理模糊对象原始数据所具有的不确定性 ,从而扩展了空间数据模型对模糊数据的表达能力 ,并详细研究了模糊面与模糊面以及模糊线与模糊面之间的拓扑关系     

时空数据模型及其在空间运动对象管理中的应用

当前时空数据模型多以描述空间实体的离散变化为主,在对空间运动对象分析的基础上,提出了支持空间对象连续运动的表示方法,该方法同时也能表示空间实体的离散变化,为建立连续运动空间对象的时空数据模型打下了基础。     

Neural networks-based simulation of land cover scenarios in Doon valley,India

Land cover transformation is one of the foremost aspects of human-induced environmental change, having an extensive history dating back to antiquity. The present study aims to simulate the process of land cover change based on different policy-based scenarios so as to provide a basis for sustainable development in Doon valley, India. For this purpose, an artificial neural network-based spatial predictive model was developed for the Doon valley. The predictive model generated future land cover patterns under three policy scenarios, i.e. baseline scenario, compact growth scenario and hierarchical growth scenario (HGS). The simulated land cover patterns mirror where land cover patterns are headed in the valley by year 2021. The result suggests that unabated continuation of the present pattern of land cover transformation will result in a regional imbalance. However, this skewed development can be corrected by altering the current growth trend as revealed in the compact growth and HGSs.     

基于空间统计特征的河网结构分类

提出了基于特征因子进行空间数据库河网结构分类的方法和技术。探讨了各种类型河网的特征,阐述了对河网进行分类的因子及河网分类的方法和过程,描述了河网数据的有向图组织及其分类实验。     

模糊面元素空间拓扑关系抽象化方法研究

空间拓扑关系的判定是地理信息系统中进行空间查询、空间分析、空间推理等操作的基础.在分析模糊区域空间拓扑关系的基础上,用空间关系向量定量描述这些拓扑关系.依据空间抽象的要求,通过计算向量之间的相关程度,对模糊区域的空间拓扑关系进行抽象,并根据空间拓扑关系的区域分布特征对抽象后的结果进行调整.