混合智能优化算法的SAR图像特征选择

为提高SAR图像自动目标识别的准确率及实时性,提出了一种基于混合智能优化的SAR图像特征选择算法。首先,采用分形特征对SAR图像进行增强,基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征集合,使用遗传算法结合二值粒子群的混合优化算法实现SAR图像特征选择。最后,采用MSTAR数据库验证本文算法的有效性。实验结果表明,优化后的特征集合具有一定泛化能力,一方面提高了SAR目标识别的准确率,另一方面减小了SAR图像目标识别的时间。     

格网划分的Delaunay三角网快速生成算法

针对常见的三角网构建算法效率受查找三角形的约束的问题,该文提出了一种基于格网划分的Delaunay三角网快速生成算法,对传统逐点插入算法的点定位及LOP算法进行了优化。通过对离散点数据进行格网划分,将三角形面积坐标法与直线行走算法相结合,在点定位过程中可大幅度缩短搜索路径,快速定位到插入点所在的目标三角形。实验结果表明,改进后的算法兼顾了时间和空间的性能,执行效率明显提高,定位路径惟一且为最佳路径。     

六角格网初始方案线辅助生成方法

针对传统陆地边界划界中存在的人工作业占主导、主观依赖性较大、无法考虑多种因素综合影响等问题,该文构建了基于六角格的陆地边界环境模型,并在此基础上提出全局搜索法、多目标规划法、兵棋模拟法以及基于遗传算法的方案线生成法。利用这些方法生成的方案线能够在顾及面积比例、不可分割因素、区域归属因素等多种因素的条件下,尽可能使我方的某种利益最大。文章介绍了设计思路,并通过实验总结出这些方法的优劣和各自的应用空间,能够在一定程度上解决陆地边界划界中存在的相关问题。     

可扩展的迭代自组织分析并行处理算法

随着遥感影像数据量的增加,传统非监督分类迭代自组织分析(ISODATA)算法的运算将十分耗时,应用并行计算技术能够有效解决该性能瓶颈。针对现有基于并行计算模型MapReduce的遥感迭代自组织分析并行算法存在的局限性,提出一种可扩展的基于MapReduce的迭代自组织分析并行处理算法。该算法通过其包含的全局子采样算法、聚类中心点集合过滤算法以及聚类映射算法,有效克服了现有并行算法中存在的不足。实验结果表明,在同等规模遥感计算中,该算法效率高于现有并行处理算法,具有良好的加速比,且在处理更大的影像块时具有更高的精度。     

初始凸包对改进快速凸包算法效率的影响

针对目前众多采用了改进的快速凸包算法对给定的平面海量离散点集生成凸包的文献中,没有明确指出其初始凸包的形式(四边形或八边形)对算法效率的影响的问题,该文对凸包的生成过程进行了深入分析,并进行了大量的实验。通过比较这些实验的结果,发现以四边形或八边形作为初始凸包均能有效地提高算法效率,但在相同的条件下,以八边形作为初始凸包时,并不能将算法效率进一步提高,与以四边形作为初始凸包相比,其实际的执行效率不升反降。实验结果表明以四边形作为初始凸包时算法效率最佳。     

投影寻踪门限自回归模型在海洋冰情预测中的应用

为预测海洋冰情时序这类非线性动力系统，提出了投影寻踪门限自回归（PPTAR）模型。用自相关分析技术确定预测因子，构造了新的投影指标函数，用门限回归（TR）模型描述投影值与预测对象间的非线性关系，并用实码加速遣传算法优化投影指标函数和TR模型参数。实例的计算结果表明，用PPTAR模型预测海洋冰情时序是可行和有效的，PPTAR模型简便，适用性强，克服了目前投影寻踪方法计算量大，编程实现困难的缺点，有助于投影寻踪方法的推广应用。为解决非线性时序复杂预测问题提供了新的途径。     

风浪状态对海面拖曳系数的影响

通过对四种参数化方法的比较,认为风海雷诺数RB较风速、波龄和波陡能更好地描述拖曳系数CDN。利用分组平均法对CDN与RB关系进行处理,得到最佳的CDN参数化方案。利用COARE3算法测试了四种依赖海况的粗糙长度,与实测结果进行了比较,结果表明CDN与RB的关系式更真实地反映了海-气界面动量交换过程。     

分析海浪方向谱的EEV方法的一种迭代形式

将Pawka为改进最大似然方法（MLM）而提出的迭代方案应用于扩展本征关方法（EEV），作为EEV的一种迭代形式（IEEV）。用模拟数据检验了IEEV的合理性，并与EEV作了比较。计算结果表明，IEEV的估计性状较EEV有改善。最后将IEEV及EEV用于分析仪器阵列的外海观测数据。     

一种多层神经网络的学习算法

提出一种基于序贯预测误差方法（ＳＰＥ）的多层神经网络（ＭＮＮ）的学习算法。经模拟计算，它比传统的基于最陡下降方法的误差反传（ＳＤＢＥＰ）算法具有更好的收敛性能。并对这两种算法进行了模拟计算的比较．     

高光谱分类EM算法及噪声的处理

简要介绍了高光谱遥感发展的现状,讲述了EM算法的工作原理及其在高光谱影像分类中的具体计算方法,对于噪声,采用一定的方法加以判断并予以剔除,对余下的未标识样本点给与适当的权值,并应用于EM算法的迭代过程中.通过实验验证,经过去噪处理的EM算法可以有效地改善高光谱影像分类结果.