用改进后的BP网络识别地图符号

讨论基于ＢＰ神经网络的点状地图符号识别，在分析介绍ＢＰ网络模型及其学习算法之后，根据ＢＰ模型本身所存在的一些不足之处，提出了相应的改进措施。改进后的ＢＰ网络学习速度明显提高，性能得到增强，因而可以更有效地识别点状地图符号。另外，还对网络的输入模式加以讨论，给出了在ＢＰ网络学习训练过程中的一些体会，并提出了三种减小网络规模的具体方法。     

基于Hopfield网络的点状地图符号识别

点状地图符号的自动识别是地图要素自动识别中的重要研究内容。本文着重讨论基于Ｈｏｐｆｉｅｌｄ网络的点状地图符号识别问题，针对Ｈｏｐｆｉｅｌｄ网络所存在的局限性，提出了一种改进方法，增强了Ｈｏｐｆｉｅｌｄ网络的联想记忆功能，可有效地提高点状地图符号的自动识别效果。     

基于神经网络的点状地图符号识别

地图符号识别是地图成图自动化的一个重要研究方向,但是传统的地图符号识别方法已经不能满足数字地图发展的需要,迫切需要一种用自动化技术代替人工数字化的作业方式[1].因此地图符号的识别是整个技术的关键,而点状地图符号的识别更是地图符号识别的基础.本文探讨和研究了基于神经网络的点状地图符号识别.     

基于形状分析的点状地图符号识别

着重讨论了基于形状分析的点状地图符号识别。其主要内容包括点状地图符号的计算机描述，点状地图符号识别系统的结构，点状地图符号识别实验与分析等。文中利用带搜索控制准则的新边界跟踪算法，改进了传统的边界跟踪算法，提出了用傅立叶系数描述点状地图符号的形状特征，并对计算公式作了进一步改进，介绍如何由傅立叶系数提取形状特征不变量，实现了对点状地图符合的自动识别。     

利用一种新的神经网络模型识别点状地图符号

着重讨论了用一种新的神经网络模型识别点状地图符号的过程，主要包括网络的结构特点和学习算法以及学习训练过程，并验证了用该网络进行点状网答识别的有效性。     

点状地图符号的神经网络识别

基于神经网络的点状地图符号自动识别研究,设计了点状符号识别流程。采用四层BP网络模型,通过参数设置及输入输出设计优化网络,通过数据格式分析及内存调整优化程序,在程序实现过程中反复试验,总结出了参数的变化规律,实现了点状符号的简单、快速识别。     

基于组合特征的点状地图符号识别

本文结合地图符号的整体特性和拓扑特性,选择了识别地图符号的组合特征,并提出了利用欧拉数进行符号识别的初分类,然后在初分类的基础上,通过计算其它特征作更进一步的分类,并设计了相应的分类判别决策树;最后,对具体的地图符号进行自动识别,从实验上验证了识别方法的有效性。     

地图符号识别的神经网络模型

着重讨论地图符号识别的神经网络模型。分析了神经网络的信息处理和信息加工方式,讨论了神经网络的设计要点和基本模型,以及神经网络的分类器。最后,还给出了几种常用的网络模型。     

基于矩特征的点状地图符号识别

首先阐述了点状地图符号识别中特征选择的一般原则，然后概括了点状地图符号的图形特点和几何度量方法，并在此基础上导出了矩特征的计算公式，最后进行了相应的符号识别实验，并对实验的结果加以分析讨论。     

点状地图符号统一编码的研究

地图符号数据的开放模型和统一描述编码是地图符号共享的重要基础,针对点状地图符号共享与操作研究滞后这一现状,在分析闻内外GIS软件的点状符号编辑模块基础上,设计了点状地图符号的开放数据模型,提出了点状地图符号的统一编码描述准则,建立了基于Xml-Schema的点状地图符号的统一编码规范,最后进行了基于该编码规范的点状地图符号共享实验．验证了遵循统一的编码规范。有利于实现点状地图符弓‘的共享与互操作．     

基于ArcGIS的地图符号库的设计与实现

地理信息系统(GIS)的主要功能之一就是地图制图及输出。地图作为用户能够理解空间信息的主要图件，地图符号作为地图语言则在地图的制作和输出中起着非常重要的作用。美国ESRI公司开发的ARCGIS是功能强大的GIS软件平台，但是它的数据输入、编辑、查询与制图模块ArcMap中自带的符号库不能满足我国基本比例尺地图输出的要求，因此必须为它建立符合地图图式要求的符号库。本文重点论述了ArcGIS环境下地图符号库的设计方法，并分别讨论了点状符号、线状符号和面状符号的实现方式。     

基于粒子群优化的BP神经网络在GPS高程拟合中的应用

讨论了利用粒子群优化(PSO)算法来训练BP神经网络的权值和阀值的原理,分析了三种GPS高程拟合实例,结果表明PSO-BP模型可以应用于GPS高程拟合中。     

基于旋转预处理的地图有向点符号识别方法

试从寻找符号旋转时有规律的变化量入手,提出了一种先进行旋转预处理,再提取图像的外接矩形面积、密集度以及近圆度作为特征参数的识别方法,为有向点符号的自动识别提供了一种可行的方案.     

GPS高程转换中BP神经网络的优化探讨

分析了传统BP算法的不足,设计了基于BP神经网络的GPS高程转换模型,在调整网络的激励函数、网络的输入层和隐含层的神经元的基础上,实现了GPS高程转换的BP模型优化.     

用于成像光谱数据特征矿物识别的人工神经网络结构研究

当某一问题很难甚至无法用数学方法建立精确模型时,人工神经网络的方法则显示了优势。对于一个具体问题,采用何种网络结构是至关重要的。本文以美国内华达州Cuprite矿区成像光谱数据特征矿物识别为例,采用6种不同结构的多层前馈网络模型,从其训练难度、运算效率及识别效果等方面进行了综合对比分析。     

基于BP网络的大坝变形分析与预报

人工神经网络具有表达非线性映射的性质，将BP神经网络模型用于大坝变形的拟合分析和预报研究，并用实例证明了该方法可以取得很好的拟合和预报结果。     

基于神经网络的遥感影像分类研究

由于传统遥感影像分类方法存在不足，故采用BP神经元网络进行遥感影像分类研究。阐述了算法原理、实现步骤以及改进方法。通过实验示例，将BP神经元网络的分类结果与传统统计方法分类结果进行比较，获得了有意义的结果。     

基于ArcGIS Engine的地图符号制作工具的设计实现

分析了ArcGIS Engine符号体系特点,设计了一套基于ArcGIS Engine的符号制作工具,采用C#语言开发实现。     

The Application of BP Networks to Land Suitability Evaluation

The back propagation (BP) model of artificial neural networks (ANN) has many good qualities comparing with ordinary methods in land suitability evaluation.Through analyzing ordinary methods‘ limitations,some sticking points of BP model used in land evaluation,such as network structure,learning algorithm,etc.,are discussed in detail,The land evaluation of Qionghai city is used as a case study.Fuzzy comprehensive assessment method was also employed in this evaluation for validating and comparing.