D.C.隶属函数模糊集及其应用(II)——D.C.隶属函数模糊集的万能逼近性

本文是D.C.隶属函数模糊集及其应用系列研究的第二部分。指出在实际问题中普遍选用的三角形、半三角形、梯形、半梯形、高斯型、柯西型、S形、Z形、π形隶属函数模糊集等均为D.C.隶属函数模糊集,建立了D.C.隶属函数模糊集对模糊集的万有逼近性。探讨了D.C.隶属函数模糊集与模糊数之间的关系,给出了用D.C.隶属函数模糊集逼近模糊数的-εC e llina逼近形式,得到模糊数与D.C.函数之间的一个对应算子,指出了用模糊数表示D.C.函数的问题。

模糊Bayes理论在遥感影像变化检测中的应用

针对传统基于Bayes决策规则的遥感影像变化检测方法中参数估计的不足以及分类过程中的硬划分问题,采用动态更新变化和未变化两类像元模糊子集的方法,实现对两类像元模糊子集中参数的动态更新,利用估计参数获得各子集的后验概率函数,再将后验概率函数转化为模糊子集的模糊隶属函数,从而获得各子集的指标函数,根据指标函数对影像中未分类的像元值进行判断,实现遥感影像的变化区域提取。实验结果表明:与现有的基于Bayes决策规则的遥感影像变化检测方法及ERDAS软件生成结果相比,提出的方法具有更好的变化检测精度。