BP神经网络的样本拓展及旅游人数预测

城市旅游人数预测是一个城市建设规划中的重要决策因素,神经网络恰能描述其非线性的特点。为了使算法在对不同城市的预测上具有通用性,只根据往年旅游人数这一单一指标进行预测,有效地避开了其他因素对其的影响。同时,通过对网络的样本拓展,增加了预测数据的有效性。实验结果表明,该预测模型可以解决城市旅游人数的预测问题,验证了模型的可行性和通用性。

基于半监督学习的遥感影像分类训练样本时空拓展方法

针对无法直接获取训练样本的遥感影像分类问题,从满足条件的其他影像中选择替代训练样本是最直接的方法,但由于地物类型在不同影像中的辐射环境不同,导致替代训练样本对待分类影像的代表性较差,无法保证分类精度。以直推式支持向量机(transductive support vector machine,TSVM)分类为例,发展了一种基于半监督学习的遥感影像训练样本时空拓展方法。该方法采用非监督方法从待分类影像中选择大量未标记样本,挖掘各类地物在特征空间中的结构信息;以替代训练样本所拟合的分类面为初始面,通过自适应渐进式的优化,实现对待分类影像的高精度分类。该方法要求训练样本的来源影像与待分类影像具有相似的地物分布和相近的时相。以SPOT5和QuickBird影像分类为例,分别通过基于像元的和基于分割对象的分类实验证实,该文提出的方法可有效地实现训练样本的时空拓展应用。