基于多时相MODIS EVI和临近三年地面数据的新疆作物分类（英文）

在区域或全球尺度,250m分辨率的MODIS EVI常被用于作物分类。而且,基于遥感数据可以快速准确的进行作物分类,并为辅助农业政策的制定,因而得到了广大研究者的关注。研究提出了直接使用多年MODIS 250mEVI和临近年份地面调查数据进行作物分类的方法。首先,通过扩展2011,2012和2013年的野外调查数据获得全疆的典型地块,并从地块中提取MODIS纯像元作为分类样本。接着使用免疫系统网络分类器(ABNet)提取研究取的主要作物,包括棉花、玉米、冬小麦和葡萄等。在三年的数据中,任意两年的地面数据用于训练分类器,用使用训练好的分类器对另一年的数据进行分类。例如,使用2011和2012年的数据训练分类器,并对2013年的数据进行分类。结果表明,每年的分类精度达80%以上,且Kappa系数高于0.7。今后工作中,仍需使用更多的地面数据获得更的更精细的分类结果。

基于Web3D的虚拟现实网络平台的对比与分析

虚拟现实网络平台在远程教育中有着广泛的应用前景,但目前在技术上还欠成熟,加之许多教育工作者对虚拟现实网络平台缺乏了解,从而制约了该技术的应用。针对这一现状,本文介绍了分布式虚拟网络平台的研究现状,分析和比较了两款Web3D虚拟场景的分布式网络平台,提出了分布式网络平台的改进方法并阐述了其在远程教育中的应用。

基于抗体网络的邮件过滤器设计

抗体网络作为一种新型的基于免疫原理的神经网络模型,已有实验验证了其具有良好的无监督竞争学习能力。但对抗体网络的研究目前还集中在原理介绍和实验验证上,没有将其应用在实际工程问题中的先例。在保留抗体网络的结构自动生成,基于克隆选择、变异机制的无监督竞争学习等优点的同时,对抗体网络的初始化、抗体的表示方式、网络结构的更新等方面作了适当的改进。在此基础上设计的邮件过滤器,和传统的邮件过滤器相比,实验结果表明其具有自适应能力好、准确性高等优点。

分布式虚拟现实平台的教育应用研究

本文通过对基于Web3D的分布式虚拟现实平台进行了研究分析,其次介绍了虚拟现实通用平台,最后阐述了其在教育中的应用,以期为分布式虚拟学习环境的设计及其在教育中的使用提供参考依据。

抗体网络基于邻接矩阵的算法实现

D e C astro等提出一种基于人工免疫原理的竞争神经网络模型-抗体网络。但目前关于抗体网络的研究还停留在原理介绍和实验验证阶段,没有应用在工程问题中的实例。在综合考虑算法复杂性等因素的基础上,利用邻接矩阵作为存储结构,给出了抗体网络主要操作的算法,为抗体网络在工程问题中的应用提供了一个具体的实现方案。