Fuzzy ARTMAP神经网络在土地覆盖分类中的应用研究

面对数量激增、包含信息日趋复杂的遥感影像,如何快速有效地自动分类已成为遥感领域亟待解决的问题。以TM影像为实例,探讨了FuzzyARTMAP神经网络在土地覆盖分类方面的应用。在总结FuzzyARTMAP网络警戒系数调整方法的基础上,提出了一种新的设置和调整警戒系数的方法。实验结果表明,这种新方法可以解决人为选择警戒系数效率低、难以取得合适数值的问题,并能提高网络的收敛速度和分类精度,结合本文所提算法的FuzzyARTMAP神经网络与最大似然法和传统FuzzyARTMAP网络相比较,训练时间缩短,分类精度有所提高。FuzzyARTMAP网络用于土地覆盖分类研究可以获得相对较好的分类结果。

基于MODIS数据和模糊ARTMAP的冬小麦遥感识别方法

针对国家级农情遥感监测与信息服务系统对农作物遥感识别的需求,利用Terra/MODIS数据相对于NOAA/AVHRR数据具有的高光谱和中等空间分辨率的优势,以中国华北地区冬小麦识别为例,采用多时相和波谱分析方法,选取合适波段,构造特征植被指数,建立模糊ARTMAP影像分类模型进行大尺度农作物识别,实现农作物遥感自动识别。用Landsat TM进行局部抽样验证,结果精度可达到85.9%。研究表明,仅利用MODIS自身光谱信息,即可实现作物遥感全覆盖自动识别,并可达到较高精度,与传统方法认为冬小麦遥感识别的最佳时间为处于返青期的3月份相比,在时间上可提前约一个季度,因此可以确实地为农业决策部门提供信息服务。

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。

基于Fuzzy ARTMAP神经网络的高分辨率图象土地覆盖分类及其评价

主要讨论了基于 Fuzzy ARTMAP神经网络的高分辨率遥感图象土地覆盖分类方法及其实践 .首先介绍了 Fuzzy ARTMAP神经网络的原理 ,然后用 SPOT XS图象试验数据进行土地覆盖分类 .分类结果与传统的最大似然监督分类 (ML C)、反馈式 (Back Propagation,BP)神经网络的分类结果进行了比较 .通过抽取 5 0 0个样点对 3种分类结果进行精度评价表明 ,Fuzzy ARTMAP神经网络相对其他两种方法 ,分类精度均有不同程度的改善 ,具有更好的分类结果 ,总分类精度比 ML C和 BP算法分别提高 17.4 1%、7.32 % .最后 ,对不同分类方法对于土地覆盖分类结果的影响进行了评价和分析 .试验表明 ,Fuzzy

用模糊ARTMAP算法对CBERS-2数据进行分类

用模糊ARTMAP(fuzzy adaptive resonance theory map)神经网络算法对CBERS-2数据进行了分类实践。首先介绍了模糊ARTMAP神经网络的算法原理和具体训练分类过程;然后用2004年9月新疆石河子地区的影像数据进行土地利用分类试验,并将分类结果与基于统计的最大似然法(MLC)、反向传播神经网络(BP)的分类结果作比较,总分类精度比MLC和BP算法分别提高9.9%和4.6%。结果表明,模糊ART-MAP对试验区CBERS-2影像上的裸地识别能力很强,对高分辨率的CBERS-2影像可获得很好的分类结果。

具有自适应类警戒参数的模糊ARTMAP神经网络

提出了一种具有自适应类警戒参数的模糊ＡＲＴＭＡＰ神经网络，为不同的模糊ＡＲＴ的类族设置了不同的警戒测试参数，并在学习过程中进行自适应调整。还提出了新的非交叠超方形以及非交叠的Ｎｅｓｔｅｄ超方形的建立与扩展学习规则。新的神经网络模型可以提高识别率，解决了发生在传统模糊ＡＲＴＭＡＰ神经网络中的记忆稳定性和弹性问题，并解决了传统的模糊ＡＲＴＭＡＰ神经网络不能处理的非凸输入特征空间的分类问题。

基于FUZZY ARTMAP的加氢裂化分馏塔MIMO软测量

研究了一类多输入多输出 (MIMO)系统的软测量问题 ,将FuzzyARTMAP网络应用于加氢裂化分馏塔产品质量估计软测量 ,经实际过程数据验证指出此算法具有较强的分类及非线性多维映射能力 ,结合提出的多变量模糊PID在线校正算法 ,使所建软测量模型在线应用时具有一定的随工况变化不断校正的能力 .

模糊ARTMAP神经网络在TM影像分类中的应用

要 :阐述了模糊ARTMAP网络结构及其采用的算法 ,提出一种引入遥感图像判读结果的警戒系数自动调整算法 ,能够解决人为选择警戒参数效率低、难以取得合适数值的问题 .仿真结果表明 ,具有警戒系数调整功能的模糊ARTMAP神经网络能够有效地对向海自然保护区的TM影像进行分类 ,它与最大似然法和传统的模糊ARTMAP神经网络相比 ,对样本的依赖程度较低 ,分类精度较高 .

基于参数估计和Fuzzy ARTMAP的直流电动机故障诊断

为提高电机质量和实现系统监控 ,提出用方波脉冲函数变换法估计电动机参数和用模糊自适应谐振网络 (FuzzyARTMAP)进行电动机故障诊断 .该方法可以在线获得电动机的机电参数 ,从而了解电动机的工作情况 .充分利用FuzzyARTMAP网络的模式分类能力 ,不但可以诊断出故障的类型 ,还可以诊断出故障的严重程度 .

基于Soft Fuzzy ARTMAP算法的地铁隧洞光纤光栅传感火灾识别研究

为解决传统火灾报警系统在应对地铁火灾报警时存在的即时性差、灵敏度及智能化水平低等问题,基于Fuzzy ARTMAP网络,结合Yu范数相似度准则与软竞争学习机制,提出1种软竞争学习Fuzzy ARTMAP算法,弥补传统Fuzzy ARTMAP网络胜者为王规则导致的区域重叠而产生误判的不足;结合地铁光纤光栅传感网络数据,将该算法应用于地铁火灾识别。结果表明:与传统的Fuzzy ARTMAP相比,该算法可快速有效地识别地铁火灾趋势,为地铁火灾识别系统研究提供理论支持。

改进贝叶斯ARTMAP的迁移学习遥感影像分类算法

遥感分类旨在从图像光谱中提取资源环境监测可用的地理信息,然而基于模式分类的图像处理技术受光谱漂移影响而缺乏历史样本重复利用的有效策略,制约着有限目标样本下遥感分类精度的提高.针对该问题,本文构建了基于改进的贝叶斯ARTMAP神经网络的迁移学习遥感影像分类算法,通过提高谐振匹配性来抑制类别扩散,利用节点的离散增量期望最大化参数更新策略,将历史遥感样本中的地物分类先验信息迁移到目标模型当中.实验结果表明本文方法能有效利用历史遥感数据弥补缺少目标训练数据的不足,相比于其他样本利用策略大幅提高遥感影像分类精度.

软件定义网络中基于贝叶斯ARTMAP的DDoS攻击检测模型

为解决SDN(software defined network,软件定义网络)架构下DDoS(distributed denial of service,分布式拒绝服务)攻击检测问题,提出基于贝叶斯ARTMAP的DDoS攻击检测模型.流量统计模块主要收集捕获到的流表信息,特征提取模块提取流表中的关键信息并获取关键特征,分类检测模块通过贝叶斯ARTMAP提取分类规则,并通过粒子群算法对参数进行优化,对新的数据集进行分类检测.仿真实验证明了模型所提取的5元特征的有效性,并且该模型与3种传统的DDoS攻击检测模型相比检测成功率提高了0.96%~3.71%,误警率降低了0.67%~2.92%.

FUZZY ARTMAP在三字词声调识别中的应用

三字词音节声调模式具有连续语音中音节声调模式的特征,声调的提取和识别远较孤立字困难。采用小波变换方法提取语音基音,用Fuzzy ARTMAP神经网络进行声调识别,获得了比BP网络更好的实验结果。分析了仿真参数对识别结果的影响,讨论了Fuzzy ARTMAP神经网络中的过拟合问题,给出了一种基于Fuzzy AR-TMAP神经网络的三字词声调识别方法。

基于Fuzzy ARTMAP神经网络的景像匹配实时图选取方法

提出一种新的基于 Fuzzy ARTMAP神经网络并利用图像直方图特征的快速景像匹配实时图选取方法。与已有的方法相比 ,该方法充分考虑了图像的边缘、亮度、对比度、信噪比等特征对景像实时图质量的影响 ,具有自适应聚类 ,收敛迅速 ,实时性好 ,分类准确率高和通用性强等优点。将该方法应用于 SMGS(景像匹配制导系统 )进行实时图像的自动选取 ,可大大提高SMGS的智能性。

FUZZY-ARTMAP混合像元分解及其应用

对于定量遥感来说,混合像元是制约它深入发展的难点之一。针对中高分辨率图像ETM+,采用FUZZY ARTMAP神经网络进行混合像元分解,获得像元中不同地物的含量,进而获得像元的植被覆盖度。该方法在某地区ETM+图像的应用表明,试验结果能满足应用需求。

基于Fuzzy-ARTMAP网络的高光谱遥感图像分类方法

神经网络是一种重要的高光谱图像分类方法。本文提出了四边形隶属函数和Fuzzy-ARTMAP神经网络相结合的高光谱图像分类方法。该方法不局限与隶属度函数的选择,使网络更具有广泛的适用性。将其应用于高光谱图像的分类中,其分类精度高于ARTMAP神经网络,且性能稳定。

基于Fuzzy ARTMAP的室性早搏诊断规则获取

针对心电信号具有个体差异和时间差异的特点,将简化并改进算法后的Fuzzy ARTMAP用于10例共5299个室性早搏信号的识别之中,并以QRS波群的时域特征为网络的输入,取得了极好的结果.在此基础上,进一步将Fuzzy ARTMAP用于室性早搏诊断规则的自动抽取中,根据所获取的规则具有包含性和可合并性的情况,提出了在规则抽取之后增加规则合并的过程,从而获取了与心电专家经验极为接近的若干条模糊规则.

基于混合fuzzy ARTMAP的智能诊断方法在油缸泄漏诊断中的应用

提出了1种混合的fuzzy ARTMAP(FAM)智能诊断方法,对泵车主油缸早期泄漏及异常泄漏进行了诊断分析。由于FAM性能受训练样本输入顺序及油缸泄漏故障样本少的影响,运用信号处理方法和改进的距离区分技术抽取了反映油缸泄漏状态的敏感特征参数,然后将不同排序的学习样本分别输入到多个FAM神经网络进行诊断分析,并结合贝叶斯置信法,获取最终的诊断结果。试验结果表明,该方法不仅能对油缸早期泄漏和异常泄漏故障进行有效诊断,诊断精度分别高于单个FAM及混合BP和RBF网络6%、38%和42%,而且具有较好的鲁棒性。

ARTMAP与模糊逻辑结合的字符智能识别方法

研究了将ＡＲＴＭＡＰ神经网络与模糊规则相结合的字符识别方法．ＡＲＴＭＡＰ用于对字符的学习、训练，而模糊规则和ＡＲＴＭＡＰ共同用于对字符的智能识别．实验证明这种将模糊技术与神经网络相结合的混合系统具有较高的识别率和较快的识别速度，采用ＡＲＴＭＡＰ神经网络只需要较少的网络训练时间．

用于GPS/SINS故障检测/隔离的ARTMAP模型

故障检测／隔离对于保证组合导航系统的高可靠性是十分重要的。本文提出了一种用于ＧＰＳ／ＳＩＮＳ故障检测／隔离的神经元方法，根据状态、残差两种χ２检验法的实时结果检测故障，然后用一个ＡＲＴＭＡＰ模型确定故障所在位置，进行故障隔离。通过仿真，证明了这种方法的有效性。