基于智能对象的决策支持系统体系结构研究

分析了决策问题及其求解过程,揭示了传统IDSS体系结构的不足,阐述了应用面向对象的结构化知识表达构造智能对象,提供了智能决策过程支持的方法和新的IDSS体系结构,并在农业空间决策信息系统的实践中进行了验证。     

基于知识的神经网络及其在智能空间决策支持系统中的应用

分析了基于符号逻辑的传统空间决策支持系统的现状及存在的问题,介绍了基于知识的神经网络的原理和方法,最后对基于知识的神经网络在智能空间决策支持系统中的应用问题者了探讨。     

基于空间信息处理技术的决策支持系统框架研究

研究了在海量空间数据的背景下,GIS,SOLAP,SOLAM在空间决策中的应用和意义,并通过分析空间数据探索空间过程机理,从而实现信息反演及空间信息处理这一过程,得到目前智能空间决策支持系统框架的一般模式。基于以上研究,提出了集成空间信息分析处理技术的智能决策支持系统的框架模型。     

基于GIS的环境决策支持系统的体系结构

通过介绍基于GIS的环境决策支持系统,结合实际给出了它的框架模型说明环境信息系统功能的强弱体现在它对环境管理、规划的决策支持上,而应用模型则是决策的基础。     

远程智能诊断与决策支持系统的设计与开发

在分析远程智能诊断与决策支持系统实现的关键技术因素基础上,结合农业领域应用,给出远程智能诊断与决策支持系统核心部件设计及系统实现。     

基于GIS技术的城市房地产开发决策支持系统

主要阐述建立城市房地产开发决策支持系统的重要意义和目标原则，探讨如何进行城市房地产开发决策支持系统的GIS数据库设计，同时给出基于组件GIS的系统技术框架和决策支持系统实现过程模型。     

基于布谷鸟算法的遥感影像智能分类

提出了一种新的基于布谷鸟算法的智能式遥感分类方法。采用布谷鸟智能优化算法,自动搜索遥感影像各波段的最优阈值分割点,并定义各波段最优阈值分割点和影像分类目标类别的连线为布谷鸟的最佳解,构造以If-Then形式表达的遥感分类规则。将所提的基于布谷鸟算法的影像分类方法应用于ALOS影像分类中,并与蜂群智能遥感分类方法和See5.0决策树方法进行了对比分析。结果表明,布谷鸟智能遥感分类的总体精度和Kappa系数均比蜂群智能遥感分类和See5.0决策树方法更高,该智能遥感分类方法具有更好的分类效果。     

一种基于协同过滤的旅游行程推荐算法

针对现有的个性化推荐算法在旅游行程推荐领域应用较少,技术不成熟等缺陷,提出基于一种改进协同过滤算法的行程推荐算法。该算法首先依据偏好度计算方法分析用户对于不同类型旅游目的地的偏好程度,形成用户-旅游目的地偏好矩阵,并基于偏好矩阵优化K-Means算法的初始聚类中心,为目标用户建立邻近用户集,最后利用改进的相似度计算方法为目标用户寻找偏好相似的历史用户,从而产生行程推荐。实验结果表明,该算法能够快速搜索较小的邻近用户,得出推荐结果,不仅具有较快的推荐效率,而且具备较好的推荐精准度,在一定程度上为个性化旅游行程推荐服务提供了支撑。     

基于LBS的智能信息推送技术研究

随着时代的发展,LBS技术在人们日常生活中的作用越来越大,同时与信息推送技术的结合已成为一个必然的热点,本文在围绕LBS服务和智能信息推送的基础上,提出了一个基于位置的智能信息服务模式,它通过引入位置过滤模块、用户兴趣模型匹配、智能信息的分类模块,达到层层过滤的目的,同时结合反馈处理部分的修正功能来实时改进推送模型的精度,从而提高信息服务的质量和效率。     

空间辅助决策支持系统的应用模型及管理研究

应用建模是空间辅助决策支持系统有效管理和使用模型的基础。本文抽象了空间辅助决策应用模型的组成结构和建立过程,分析了空间辅助决策应用模型的特点;接着分基础空间模型库、基础非空间模型库、应用模型库、模型管理库四部分探讨了空间决策支持系统中应用模型的管理,最后给出了相应的建设性结果。     

基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波

提出了一种基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波方法。该算法将虚拟网格的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。基于虚拟网格生成的初始表面模型是一个规则网格,在初始表面模型上进行地面点的选取,可以极大地提高运算效率。在改进的坡度滤波算法中,提出了4个坡度阈值,克服了经典坡度滤波算法在地形急剧变化的地方可能发生的错误。实验结果表明,该算法可以提取出大多数地面点,生成比较精确的DEM,证明了该算法的可行性。     

抗SA影响的卡尔曼滤波技术

运用现代时间序列分析方法对SA定位误差模型进行建模研究,并由此提出抗SA影响的卡尔曼德彼模型。     

Kalman滤波模型误差的修复

基于预测残差分析和滤波误差估计,提出了一种新的Kalman滤波模型误差的修正方法。该方法在预测残差分析的基础上,利用观测模型误差和动力学模型误差的相互影响,基于滤波误差估计,从修正观测模型入手,有效地消除了以往历元所有观测模型误差和动力学模型误差对当前历元滤波值的影响。GPS动态导航模拟实验表明,该方法不仅有效地消除了整个Kalman滤波模型误差的影响,而且结果比较理想。     

基于改进的坡度滤波算法的LiDAR数据滤波

以规则格网来组织数据对坡度滤波方法进行改进,通过比较格网最低点与邻域最低点的坡度得到初始地形,再通过比较格网点与邻域格网最低点的判断获得数据点的地形信息,试验结果表明,对坡度的滤波方法有很大改进,也改善了滤波效果。     

粒子滤波在高动态GPS定位中的应用

针对高动态GPS定位系统的特点,引入了一种基于粒子滤波的高动态GPS定位系统滤波算法。借助于移动目标的速度矢量模型建立了系统状态方程,论文给出了标准的卡尔曼滤波算法模型,重点讨论了粒子滤波算法在高动态GPS定位中的应用,详细描述了算法的推导过程。对算法进行仿真,结果表明当GPS接收机作大范围机动或GPS信号受到干扰时,粒子滤波要优于标准的卡尔曼滤波。     

平面监测网的动态滤波

在假定形变区域为分块连续弹性体的基础上,本文提出一个所谓虚拟形变速率参数形变模型,由它的特例可推出常见的单点位移形变模型。之后又讨论和研究了平面监测网的观测数据滤波问题,设计出一个虚拟形变速率参数卡尔曼滤波器,具体做了这几项工作:(1)在所提出的形变模型下,推导出平面监测网的状态方程;(2)解决了初始状态及其方差阵的估计问题;(3)在极大似然的原则下,得到了动态噪声方差阵的逐次修正公式。在对两个模拟网的几种不同方案进行试算之后,本文提出了几点结论和建议。     

Kalman滤波异常误差检测

为检测动态导航观测异常和动态模型异常误差，本文利用状态方程预测残差二次型构造了整体误差检验法，即观测误差和动力学模型误差整体检验法；讨论了三种观测异常检测法，即以模型为基准的观测异常检验，以当前历元可靠观测为基准的异常检验，以状态Kalman滤波估值为基础的观测异常检验；分析了三种动力模型异常检测法，即状态不符值检验法，以状态参数Kalman滤波估值为基础的动力模型误差检验法，以可靠观测为基础的动力模型误差整体检验法。并对这几种异常检测法进行了简单分析。     

自适应抗差联邦滤波算法

简要介绍了抗差估计理论；在顾及扰动异常的情况下，把自适应抗差Kalman滤波应用到联邦滤波上，对联邦滤波进行了改进，提出了一种自适应抗差联邦滤波算法。由计算结果可知，自适应抗差联邦滤波能较好地抑制载体观测异常和状态扰动异常对动态系统参数估值的影响，较好地提高导航解的精度。     

卡尔曼滤波与H∞滤波在INS／GPS组合导航中的应用

组合导航利用惯性导航（INS）和全球定位系统（GPS）较强的非相似性和互补性,将两者组合,可以取长补短,充分发挥各自的优点,提高导航系统性能。利用卡尔曼滤波能够有效提高其精度,但卡尔曼滤波的应用要求函数模型和随机模型已知,符合实际,这在实际应用中是很难保证的,一般都是通过经验信息确定。H滤波则具有很强的鲁棒性,抗干扰性强。通过仿真数据处理,结果表明：H滤波比卡尔曼滤波在噪声特性未知时更适用,精度更高。     

多源传感器动、静态滤波融合导航

首先给出联邦滤波各局部输出量之间的相关协方差矩阵,进而给出了基于各传感器独立观测信息的动、静态滤波解法,这种解法避免了重复使用载体状态方程信息的问题,保证了多传感器数据融合的最优性,而且很容易扩展到抗差滤波和自适应滤波融合。