一种基于中性集和均值漂移的彩色遥感图像非监督建筑物提取方法

建筑物的纹理和光谱信息的多样性一直是自动化识别的瓶颈。针对此问题,提出了一种彩色遥感图像建筑物提取方法,该算法结合中性集和均值漂移,对转换到中性集空间的影像进行均值漂移分割,生成以影像中主要地物类型为核心的光谱类别图像,提取建筑物。通过中性集空间的增强及分割,克服了传统均值漂移分割稳定性低、光谱不连续及信息混杂的缺陷,避免了地物识别前提取连通区等操作。实验证明,提出的算法可以简捷、完整、准确、稳定地提取建筑物,满足高分辨率遥感影像建筑物的提取要求。

基于中性集对北川羌族自治县新城人工建设用地的识别

人工建设用地(包括建筑物、道路、广场等社会服务设施)的识别一直是用来监测地区发展速度的一个有效途径。针对目前在人工建设用地识别领域中对在建建筑物的忽视问题,利用中性集、均值漂移以及绿度因子等概念将在建建设用地信息进行增强,进而将其成功识别出来。实验证明,该方法对高分辨率遥感影像的人工建设用地识别是可行的。通过分析2009—2013年期间北川新城的建设工地面积及分布的变化情况可以看出,北川新城在2010—2013年期间完工面积占2009—2010年新建工程总面积的98.17%,在北川新城拓展区又新建0.6 km2的工程,施工迅速,为受灾居民提供了良好的居住和生活保障。

移动通信网络的中性集故障诊断方法研究

随着故障诊断技术从面向网络设备逐渐向面向用户、面向业务的转变,故障识别能力和故障处理能力的不断提高,快速、准确地检测重大故障并及时收集重大故障信息,对缩短故障时长、提高工作效率、提升网络服务水平都具有重大意义。基于中性集故障诊断方法,本文提出一种故障特征权重和阶段数据权重的计算方法,并将此方法应用于移动通信网络的话音业务的故障诊断过程中。根据收集到的数据的统计分析结果,判断移动通信网络中未知故障样本的故障类型。通过举例分析,验证了本文所提出的故障特征权重和阶段数据权重设计方法的优越性。

基于中性残差点集的干涉SAR相位解缠算法

相位解缠是合成孔径雷达干涉测量数据处理的关键性步骤之一。在分析Goldstein枝切法和残差点位置的基础上,提出了一种改进的相位解缠算法。首先采用4点环路积分识别残差点,在邻近偶极子对残差预处理后,将剩下所有残差点分成若干个总电荷平衡的中性点集。然后采用普里姆算法对各中性残差点集依次处理,获得相应的最小代价生成树,全部最小代价生成树的边就是相位解缠所需的枝切线。最后,采用真实干涉SAR数据,分别利用本文方法和Goldstein法做了相位解缠实验。通过枝切线总长度和未解缠象素数量两项性能指标对比,证明了改进算法的有效性。

基于维度根距离相似度量方法对单值和区间中性的聚类算法进行聚类算法（英文）

聚类在数据挖掘、模式识别、机器学习等方面具有重要作用。然而,直觉模糊集(IFSs)和区间直觉模糊集(IVIFSs)无法描述和处理不确定和不一致的信息,而单值中性化的模糊集(SVNSs)和区间神经网络集(INSs)可以描述和处理它。到目前为止,现有的集群技术几乎不涉及SVNSs,也不涉及到INSs。为此基于直觉模糊聚类算法和单值中性聚类算法,首先提出了基于SVNSs维根距离的余弦相似度度量的另一种单值中性聚类算法(SVNCA)。在聚类算法中,我们定义了SVNSs与SVNSs之间的余弦相似度度量之间的维根距离度量,然后提出一种基于SVNSs的余弦相似度度量的聚类算法,用于聚类单值中性化数据。然后,将SVNSs的聚类算法扩展到簇内,并提出了一个区间中性聚类算法(INCA)。最后,给出了一个算例,说明了在单值中性化和间隔中性环境下所提出的聚类算法的应用和有效性。