基于改进层次分析的机载LiDAR点云分类

针对机载LiDAR点云信息挖掘研究,提出了改进层次分析的机载LiDAR点云分类方法。首先选出5个判定准则,使用层次分析方法对每一个点云做出相应的判定,然后根据一定的规则对判定的结果生成一个二进制信号,最后使用BP神经网络方法确定判定因子在不同地物分类中的权重并对机载LiDAR点云分类。实验数据结果表明:该方法能够很好的将点云数据分类为高大的树、人工建筑物、低矮植物、地表和道路,分类精度Kappa系数达到0.87。     

Kalman滤波的BP神经网络模型在变形中的应用

针对神经网络模型在建模过程中受到各种噪声影响这一问题,提出利用Kalman滤波降低噪声,建立组合模型。经过工程实例验证,证明基于滤波算法的BP神经网络模型在一定程度上可以提高预测值的精度和预测模型的稳定性,更稳定地反映了监测目标的变化趋势,在形变监测中优势明显。     

一种匀对称网络的抗毁性评估

本文使用跳面节点的方法，通过实例分析了当前抗毁性测度指标的局限性，解决了原来的测度不能评价的匀对称网络。通过计算出的可靠性值来比较不同网络拓扑的好坏，对网络设计者进行分析比较提供依据。