基于粗糙集的K--均值聚类算法在遥感影像分割中的应用

结合粗糙集理论和K——均值聚类算法，提出一种遥感影像的粗糙聚类分割方法。根据遥感影像中特征属性的相互依赖关系，应用粗糙集理论的等价关系。求出K——均值聚类所需要的初始类的个数和均值。然后采用聚类算法对图像进行分割。实验结果表明该方法比随机选取聚类的中心点和个数减少了运算量．提高了分类精度和准确性。     

基于粗糙集理论与遗传规划的地表下沉系数预测研究

利用粗糙集理论处理大数据量.消除冗余信息等方面的优势,计算出下沉系数各影响因素的属性重要性,约简了遗传规划训练样本集,建立了基于粗糙集和遗传规划的地表下沉系数预测模型。并与BP神经网络法预测结果进行了对比,结果表明,本模型具有精度高,收敛速度快等特点,将其应用到地表下沉系数预测中是可行的。     

基于粗糙集与犹豫层次分析的北极东北航道风险评估

运用风险分析理论和方法,以北极东北航道6个关键海峡为研究目标,构建东北航道自然环境风险评价指标体系;针对全球气候变暖以及海冰融化背景下北极东北航道航行安全问题,引入犹豫层次分析方法确定指标主观权重、采用粗糙集思想来确定客观权重,集成得到组合权重。基于所建风险分析模型,对其中3个关键海峡的自然环境风险进行了量化评估和时空特征分析,同时计算了2013年8月份6个关键海峡的风险度,模拟了一条最优通航线路并与同时期永盛号轮船的实际航行线路进行了比对。研究表明:(1)2000-2014年东北航道3个关键海峡自然环境风险均呈现减小趋势,红军海峡自然环境风险减小趋势最大;(2)对比3个海峡海峡自然环境风险度,德朗海峡最低,维利基茨基海峡次之,二者均适合通航;红军海峡风险度最高,且不适宜通航;(3)模型模拟路线与实际航线较吻合,对实时航行路线的选择有参考意义。     

基于粗糙集理论的地震前兆综合预测研究

以实际震例的异常数据为样本,利用粗糙集理论的离散、约简和推理功能,对地震前兆异常属性进行约简,进而对地震震级进行推理分类.初步结果表明,该方法可以在一定程度上找到异常数据与震级之间的内在联系,是一种可行的地震前兆综合预测方法.     

运用人工鱼群算法的3D扫描碎片重建探究

针对传统三维碎片拼接匹配过程中依赖单一特征及存在误差累积的问题,提出了一种运用鱼群算法的全局最优匹配方法。该方法先对碎片点云数据进行多特征提取,结合纹理、专家经验信息对混合在一起的多种类型碎片进行粗糙集分类,之后采用鱼群算法的最优解求得最佳匹配方案。实例验证所提全局匹配方法具有能力强、与初始位置无关及较强的稳健性等特点,为三维碎片的全局匹配提供了一种有效的解决方案。     

基于粗糙集和层次分析法的农村居民旅游目的地选择研究

充分考虑主客观因素,运用粗糙集和层次分析法研究农村居民旅游目的地选择影响因子,确定农村居民旅游目的地选择指标体系,并通过评价方法将指标合理化。研究结果表明： ① 判断矩阵计算的各因素权重结果较为接近,比较理想。② 农村居民旅游目的地影响因子中的消费水平、旅游景观、旅游氛围均超过0.1,排在前3位,较以往学者研究结果有所变化。③ 农村居民出游对旅游资源偏好较以往有很大改观。④ 旅游目的地的旅游氛围营造等影响因子已经超过了之前农村居民优先考虑的距离因素。⑤ 对交通条件,住宿水平的影响因子考虑的较少。相对传统的农村居民旅游目的地出游影响因素的研究方法,该方法可以最大限度的避免层次分析法所依赖的专家经验,避免出游因素评价指标设计中出现的重复性。     

基于Monte Carlo-BP神经网络TBM掘进速度预测

预测隧道工程中TBM掘进速度,主要有完全经验的、半理论半经验的模型和人工智能等方法,所用参数均为确定性的,未考虑参数存在的随机性,故导致预测结果的不准确性。基于此,提出了Monte Carlo-BP神经网络TBM掘进速度预测模型,着重考虑了一些重要输入参数的随机性, 其中输入参数重要性的大小通过粗糙集进行计算排序。采用Monte Carlo产生随机数时,由于参量的样本数据的有限,分布函数均采用阶梯形经验分布函数。如果采用的数据是来自不同类型的 TBM,则应当考虑机器性能参数,并重新对参数重要性进行排序。实例计算表明,Monte Carlo-BP神经网络模型预测结果和实测值总体趋势和均值比较一致。     

适用于遥感分类的多邻域粗糙集加权特征提取方法

邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。     

基于二元关系的GIS实体拓扑关系的粗糙表达

利用二元关系和粗糙集的一些性质来研究GIS实体之间关系,发现在基于二元关系的广义近似空间下GIS实体的前继领域、后继领域算子、上、下继领域包含了比它自身更广的一个集合定义。同样基于粗糙集,我们发现二元关系GIS实体的上、下近似比Pawlark粗糙集的定义更广泛。在二元关系的广义近似空间下,一个GIS单点集的上近似等于它的前继领域,同样等于它后继领域的逆。     

一个基于粗糙集的水土流失防治动态决策系统

针对甘肃东部地区水土流失的防治，设计了一种基于模糊聚类和粗糙集理论的动态决策系统，给出了考虑多种因素综合影响的水土流失动态分类方法和从样本数据中提取动态分类决策规划的知识获取方法，并提出了一种应用粗糙集规划的新方法－－归类优选法。这一方法通过对条件属性按其重要性排序和对决策规划进行归类优选，较好地解决了新数据样本的规划匹配问题。算例表明该方法是有效的、实用的。