基于BP改进的KNN算法在北京密云土地覆盖分类中的应用

针对k近邻(k-nearest neighbor,KNN)算法在土地覆盖分类中存在将山体阴影覆盖下植被误分成水体的问题,提出改进的KNN算法。改进算法充分利用神经网络能有效区分山体阴影覆盖下植被和水体的特性,实现BP神经网络与KNN算法的融合,整体提高了北京市密云区土地覆盖分类精度。实验结果表明:相对于支持向量机(support vector machine,SVM)、随机森林、BP神经网络和KNN算法,改进算法分类精度最高,达到了95.20%,分类精度比未改进KNN算法提高了6.43%。改进算法的Kappa系数在对比算法中也是最高的,达到0.93。此外,实验结果也表明改进算法可应用于中分辨率遥感图像分类中。     

遥感数据的土地覆盖分类

为有效开展土地覆盖变化检测、碳循环评价和气候评估,从土地覆盖分类中使用的遥感数据、分类方法、土地覆盖分类系统以及分类结果对比4个方面,综述了近年来国际上土地覆盖分类的研究进展.这对建立一套能够反映中国实际,又能与国际上流行的分类系统兼容、灵活转换的土地覆盖分类系统,并建立开放的、及时更新的中国土地覆盖样本数据库,具有现...     

地形数据辅助下的山区土地覆盖分类研究

山区土地覆盖分类经常受到地形效应及太阳高度角的影响,使用纯粹的基于光谱特征的分类方法很难取得较高的分类精度。本文以从DEM得出的高程、坡度、粗糙度三个地形数据集作为山区土地利用覆盖分类的辅助数据,使用最大似然分类器和基于Back Propagation算法的多层前馈型神经网络分类器分别对上述由光谱数据及地形辅助数据叠和生成的多波段影像进行分类试验,结果显示地形数据辅助下分类结果的精度较原始影像有一定程度的提高。     

人工神经网络技术在矿区土地复垦中的应用

针对中国土地复垦起步晚，新技术与新理论应用较少的问题，研究利用人工神经网络来辅助土地复垦的决策。介绍了利用自组织映射神经网络的自动分类功能对进行矿区土地复垦条件分类，为因地制宜地采取复垦措施提供依据。然后，基于BP神经网络，选取评价因子，通过对已有经验的学习，对复垦土地适宜性进行评价，并与传统的方法相比较，研究结果表明，利用人工神经网络辅助矿区土地复垦决策是可行的。     

全球土地覆盖分类系统国际培训与研讨会在我校举行

2005-04-25—29，由国家遥感中心和国家测绘局举办，我校资源学院承办的全球土地覆盖分类系统国际培训与研讨会在我校举行。     

利用国产CBERS卫星影像进行矿业城市土地覆盖分类

中巴地球资源卫星(CBERS)作为目前最主要的国产资源卫星,在土地覆盖监测中具有广泛的应用前景。结合土地覆盖遥感分类新技术的发展和应用,以典型煤矿城市为例,对CBERS遥感影像应用于矿业城市土地覆盖分类的若干新方法进行了试验与分析。在这些新方法中,面向对象分类方法克服了传统基于像素分类中存在的问题,支持向量机在分类精度方面比传统分类器具有一定的优势,混合像元分解方法则实现了亚像元级地物成分比例的估算。这些新方法的有效应用将促进国产卫星数据源在典型区域的应用,同时服务于遥感专题应用信息处理精度的改进和提高。     

人工神经网络在覆盖件拉深筋设计中的应用

文章引入流入量的概念作为衡量板料进料阻力的依据,提出用拉深筋嵌入程度和材料流经拉深筋时弯曲程度2个因素来评价拉深筋对进料阻力的影响.采用BP神经网络分别建立单筋和双筋与流入量之间关系的神经网络模型,对神经网络建模的关键技术进行讨论分析,建立了性能良好的映射模型.结果表明,所建立的网络模型具有优良的性能,能充分反映流入量与筋参数之间的映射关系,为后续有限元模拟和实际生产提供了有价值的参考.     

FAO/UNEP土地覆盖分类系统及其应用

通过对美国的USGS、IGBP、欧洲的CORINE以及马里兰大学的UMD分类系统的对比来阐述FAO/UNEP土地分类系统LCCS的优势及特点.以长春市石头口门地区土地覆盖分类为例,采用LCCS分类系统,将研究区域分为耕地、自然/半自然陆地、水田或规律性淹水、工厂或居民地、裸地、人工或自然水域这6种土地覆盖类型,通过监督分类的方法制作长春市石头口门土地覆盖分类图.利用LCCS分类系统配套软件GeoVis对研究区域进行制图操作,并计算出各类别精度都小于0.1.通过实际应用发现LCCS分类系统是先验的土地分类系统,不但提高了土地分类工作效率,还减少了分类难度.     

人工神经网络在织物疵点分类中的应用研究

本文根据疵点的特征对常见疵点进行了简单的划分,然后提取织物疵点合适的疵点特征参数,再利用人工神经网络来判别疵点的类别,从而更好的对织物质量等级进行评定。     

岩爆分类的人工神经网络预测方法

采用人工神经网络原理，选取影响岩爆的一些主要因素，如地应力、岩石抗压强度、抗拉强度等作为输入参数，建立了岩爆分类与预测的神经网络模型．利用国内外一些工程实例作为学习和训练的样本，并用已经训练稳定的样本对某水电站地下厂房岩爆进行预测．研究表明，与其他岩爆预测方法比较，人工神经网络模型更具有客观性和有效性．     

基于人工神经网络的遥感图像分类研究

随着人工神经网络系统理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐步取代最大似然法的趋势。本文重点讨论了遥感图像分类处理研究中应用效果显著的BP神经网络方法,并在MATLAB平台下对基于BP神经网络的分类算法进行了研究,最后将它的分类结果与最大似然法的分类结果进行了精度比较分析。结果表明基于BP神经网络的遥感图像分类效果是较好的,是一种有效的图像分类方法。     

床面形态判别的人工神经网络方法

根据给定的水流及泥沙条件，预报床面可能出现的沙波形态，是一个重要的研究课题．在对影响床面形态的参数分析后，认为床面形态应由3个无量纲参数控制，因而以往采用2个参数的经验方法有很大的局限性．基于此结论，建立了预测床面形态的人工神经网络模型，该模型充分考虑了本问题的特点．验证结果表明，该模型具有较高的精度，可用于实际问题中．     

基于人工神经网络的编组站分类研究

针对目前编组站分类以定性分析为主、客观性较弱的情况,提出利用人工神经网络通过无导师学习,对编组站进行分类。实例表明,该方法客观,分类结果符合现实,为科学定量地对编组站分类提供了一种新方法。     

人工神经网络在苏州空气污染预报中的应用

人工神经网络在预测预报领域的应用越来越广泛。简单介绍了BP神经网络的基本原理,较详细地回顾了国内BP神经网络在空气污染预报领域的研究应用情况,并建立了苏州市区SO2浓度预报的BP神经网络,预报结果表明:该模型具有简便、快速、准确的优点,可推广用于其它空气污染物的预报。     

基于GIS的BP神经网络遥感影像分类研究

传统统计模式识别方法进行遥感影像分类时要求数据服从正态分布且难以加入地理辅助数据．通过分析BP网的分类原理与学习算法，采用了融合遥感影像光谱数据和GIS产生的地理辅助数据进行土地利用类型分类的方法．选择最能反映实验区土地利用信息的光谱数据，结合DEM数据和坡度数据，通过归一化处理后进行BP网的训练分类．将分类结果与采用最大似然法所得的结果综合比较，结果表明，该方法优于最大似然法．     

基于粗糙集理论的RBF神经网络在LUCC分类浅析

将粗糙集作为神经网络的预处理单元,利用粗糙集消除冗余特征,减少神经网络的输入节点,降低了网络规模,加快了训练速度。粗糙集神经网络利用粗糙集原理进行知识的表达、推理和简化,利用神经网络的并行特点完成网络学习运算,能更有效地处理不确定、不精确及冗余的数据。结果表明,粗糙集简约后的决策信息放入RBF神经网络中进行运算,输出结果与BP网络运算结果进行对比,在运算时间和测试精度上均优于BP网络。     

基于人工神经网络的马铃薯品质分级系统

综合运用计算机视觉技术、人工神经网络技术以实现马铃薯品质的自动分级．试验表明,该方法能满足马铃薯分级的要求,分级的准确率可以达到90％以上．     

人工神经网络BP算法在评价网站中的应用

简要介绍了人工神经网络BP算法的基本原理及其发展趋势,构建了网站的测评指标体系,探讨人工神经网络BP算法在评价网站中的应用。