FasART模糊神经网络用于遥感图象监督分类的研究

说明了遥感图象数据的非线性性质 ,目视的图象分类实践是一个模糊推理的过程 ,模糊神经网络遥感图象分类符合其事物的内在规律 ,具有理论优势 .分析了模糊 ART、模糊 ARTMAP和 Fas ART模型的结构和原理 ,详细地阐述了 Fas ART是一种基于模糊逻辑系统的神经网络 ,提出了一种简化的 Fas ART模型 ,改变了一般遥感数据的模糊化方法 .采用中巴资源一号卫星数据进行测试实验 ,结果表明 ,该简化的 Fas ART模型能用于遥感图象的监督分类 ,其分类精度高于模糊 ARTMAP神经网络和 K均值算法 ,且性能稳定、有较好的抗干扰能力 ,尤其具有良好的处理两组相似程度比较接近的。

维数差异对模糊积分融合多FasART网络影响的研究

基于软决策的并行分布式融合系统能融合不同类型的特征,且最终决策结果与前期决策器输出的数值大小相关.当不同类型矢量的维数不等时,维数差异是否对最终融合决策有影响对设计融合算法和分类器的选择具有重要意义.本文分析了维数差异对模糊积分融合多FasART网络算法的影响原因,提出了解决办法,用遥感图像的光谱和纹理特征进行了融合实验,结果表明维数差异对该算法有影响.模糊积分融合多FasART网络是一种典型的基于软决策的并行分布式融合决策系统的算法,因此,基于上述融合系统的算法存在维数差异问题.

Study on fasART neuro-fuzzy networks for distinguishing the difficulty degree of top coal caving in steep seam

Distinguishing the difficulty degree of top coal caving was a precondition of the popularization and application of the roadway sub-level caving in steep seam. Because of complexity and uncertainty of the coal seam, the expression of influence factors was diffi-culty with exact data. According to the fuzzy and uncertainty of influence factors, triangular fuzzy membership functions were adopted to carry out the factors ambiguity, of which the factors not only have the consistency of semantic meaning, but also dissolve sufficiently expert knowledge. Based on the properties and structures of fasART fuzzy neural net-works of fuzzy logic system and practical needs, a simplified fasART model was put for-ward, stability and reliability of the network were improved, the deficiency of learning sam-ples and uncertainty of the factors were better treated. The method is of effective and practical value was identified by experiments.

一种基于数据融合的地球物理数据联合反演方法——以VES和MT为例

从地球物理反演的基本概念出发 ,认为地球物理反演是对实测数据的地球物理属性的理解或解释 ,多方法的地球物理数据联合反演是一种多传感器的数据融合 .本文分析了地球物理数据的模糊特性 ,采用基于语义的模糊化方法 ,使不同物理意义和尺度的特征数据及测区的地质和地球物理背景成为一体 ,结合地球物理专家解释的方法 ,利用基于模糊逻辑系统的神经网络实现了融合 .该方法充分利用了各种地球物理探测数据的全部信息 ,避免了线性反演的复杂计算 ;其数据融合的观点 ,为解决地球物理联合反演问题提供了新的思路 .通过模拟实验和应用实例验证 。

基于空间模糊纹理光谱的多光谱遥感图像分类方法

为了充分利用各波段的纹理信息,针对遥感图像不同波段之间具有较大相关性的特点,提出了一种用空间模糊纹理光谱描述多光谱遥感图像纹理特征的方法。根据纹理特征具有多尺度的特性,对原始图像进行二次模糊纹理滤波,一次滤波采用平面三角隶属度函数,二次滤波采用空间距离代替平面距离形成滤波隶属度函数,其模糊滤波图像的隶属度分布称之为空间模糊纹理光谱。用FasART神经网络分类验证,实验结果表明,该方法具有较高的分类精度,尤其对纹理特征较为复杂的区域的分类效果更为明显。

一种纹理图像分割方法——分开-扩张方法

针对分开-合并方法分割纹理图像存在的纹理特征不规则性的问题,提出了一种新的基于四分树的分开-扩张的区域分割方法.通过对各类别的不同测量区域的纹理样品进行监督分类,确定分割的初始区域和终止区域,并把样品分类的精度作为各测量区域的纹理特征的权值,根据是否满足一致性属性和区域的性质进行分开或扩张.该方法较好地处理了不同测量区域的纹理特征可信度不一致的问题,扩张的过程可提高分割的精度并避免小区域纹理特征的不稳定.实验结果表明,分开-扩张方法能有效地分割纹理图像,其分割精度优于分开合并方法.