基于遥感数据SOFM网络分类结果的城市增长潜力模型研究——以北京1994～2003年城市扩展为例

在长时间序列多光谱遥感数据和高精度自组织神经网络分类方法的支持下，对北京地区1994～2003年城市化的基本过程进行了分析和研究，5种地物分类结果表明：北京近10年来城市扩展基本是以老城为中心围绕环线不断向外围扩展，呈现一个中心多个环线的发展趋势。在此基础上建立了潜力模型，计算潜力指数和生成潜力指数图，潜力指数图呈现从四环以内向外围环线不断递增的趋势，说明北京市发展主要是农业用地发展为城市用地类型，这与北京北部2000年～2003年航空照片反映的变化规律一致，同时还介绍了利用潜力指数对2003年～2012年城市增长潜力的预测分析。

基于区域特征光谱的高光谱图像神经网络分类方法研究

通过分析在无人工选择训练样本条件下,图像光谱噪声对高光谱图像SOFM神经网络分类的影响,针对分类结果中产生的麻点现象,论文提出了通过提取区域特征光谱以抑制图像噪声,并给出了相似度阈值选取的方法;在此基础上提出了基于区域特征光谱的高光谱图像SOFM神经网络分类方法,通过对具有不同地物分布特点的高光谱数据进行仿真,结果表明:在无人工选择训练样本的条件下,与传统SOFM网络分类方法相比较,本文提出的方法显著抑制了麻点现象,分类结果更加合理。

不同分类器在遥感数据分类中的性能比较

分类器的选择是影响数据分类效果的关键因素。文章比较了K-均值分类器、ISODATA分类器和SOFM神经网络分类器的计算复杂度和分类效果。通过实验发现,三种分类器对同一实验图像处理时间相近,但是SOFM神经网络分类器的分类效果最佳。

黄河下游沿岸县域经济发展的空间分异

利用加权主成分分析法、GIS的趋势分析工具和Morans’I指数分析2009年黄河下游沿岸109个县域经济发展的空间差异,并运用MATLAB7.0的SOFM神经网络模型进行经济发展水平分类。结果表明:黄河下游沿岸县域经济发展的空间分异显著,宏观上呈现出西南—东北方向的U型趋势和东南—西北方向的倒U型趋势;县域经济空间集聚特征明显,东营、济南各县域以及荥阳为经济核心区,而豫东、菏泽等中原经济区东部平原县为经济塌陷区。109个县域的经济发展水平可以分为5类,其空间分布总体上符合圈层结构理论。用主成分得分作为输入,参考层次聚类结果确定神经元数是SOFM网络取得良好分类效果的前提。