基于改进模糊统计分析模型的概念层次分类规则研究   总被引：1，自引：0，他引：1  

谢明霞  吕安民  郭建忠  陈科  曾好 《测绘科学》2010,35(2):117-119

在数据挖掘和知识发现的研究过程中,往往需要对大量的数据进行概念层次分类处理,现广泛使用的方法是通过经验知识或主观判断进行处理,由于知识背景和经验层次的不同,导致不同的人对同一批数据同一问题提出不同的规则知识,加大了对规则知识进行合理性评估的难度。基于此问题,对传统的基于模糊统计分析模型的概念层次分类方法进行改进,首先,通过专家系统获取各模糊样本集,根据离散化的样本属性值及其相对隶属频率值对,进行RBF神经网络训练;然后,利用训练好的神经网络求取各模糊集的最模糊点;最后根据最模糊点获得各模糊集的区域划分,从而实现概念层次的分类处理,避免了传统方法处理过程的复杂性和主观性。  相似文献   

一个用神经网络优化的针对ASTER数据反演地表温度和发射率的多波段算法   总被引：1，自引：0，他引：1  

毛克彪  唐华俊  陈仲新  王永前 《国土资源遥感》2007,18(3):18-22

提出了针对ASTER数据同时反演地表温度和发射率的多波段算法。即利用ASTER数据的第11~14热红外波段建立热辐射传输方程，并同时对相应波段的发射率建立近似线性方程，得到6个方程6个未知数，从而形成了针对ASTER数据的同时反演地表温度和发射率的多通道算法。利用3种方法求解方程： ①先分类，然后进行数学计算； ②利用最小二乘法； ③利用神经网络方法。利用辐射传输模型MODTRAN 4模拟数据进行反演及验证分析，结果表明，神经网络能够提高算法的精度和实用性，反演的地表温度平均误差为0.5 ℃，反演的发射率平均误差分别在0.007(11、12波段)和0.006(13、14波段)以下。  相似文献   

时问序列动态学习率神经网络模型及其初步试验     

巫红星  黄文君 《沙漠与绿洲气象(新疆气象)》2008,2(3):44-47

神经网络在气象上的应用往往是采用固定学习率的BP算法建模,学习过程易出现振荡现象和网络存在冗余连接等缺陷,基于此对神经网络进行了改进。利用时间序列分析方法对样本数据进行处理,用改进后的神经网络对时间序列样本数据进行训练预测,创建了时间序列动态学习率神经网络模型。最后用库车县1997—2007年四季的平均气温值作样本数据进行训练,其训练精度和拟合度都达到很高的标准,用该模型预测了库车县2008年的气温。通过实例证明这个模型在气象预测领域有一定的实用价值。  相似文献   

神经智能信息处理系统的研究现状及其在水文水资源中的应用展望   总被引：10，自引：1，他引：9       下载免费PDF全文

张翔  丁晶 《水科学进展》2000,11(1):105-110

从神经网络(NN),模糊系统(FS)和进化算法(EC)三者相结合的角度,介绍了神经智能信息处理系统的研究现状,讨论了该系统在水文水资源中的应用,并对其应用发展趋势进行了预测。  相似文献   

Retrieval of boreal forest LAI using a forest reflectance model and empirical regressions     

Janne Heiskanen  Miina Rautiainen  Lauri Korhonen  Matti Mõttus  Pauline Stenberg 《International Journal of Applied Earth Observation and Geoinformation》2011

Spectral invariants provide a novel approach for characterizing canopy structure in forest reflectance models and for mapping biophysical variables using satellite images. We applied a photon recollision probability (p) based forest reflectance model (PARAS) to retrieve leaf area index (LAI) from fine resolution SPOT HRVIR and Landsat ETM+ satellite data. First, PARAS was parameterized using an extensive database of LAI-2000 measurements from five conifer-dominated boreal forest sites in Finland, and mixtures of field-measured forest understory spectra. The selected vegetation indices (e.g. reduced simple ratio, RSR), neural networks and kNN method were used to retrieve effective LAI (L_e) based on reflectance model simulations. For comparison, we established empirical vegetation index-LAI regression models for our study sites. The empirical RSR–L_e regression performed best when applied to an independent test site in southern Finland [RMSE 0.57 (24.2%)]. However, the difference to the best reflectance model based retrievals produced by neural networks was only marginal [RMSE 0.59 (25.1%)]. According to this study, the PARAS model provides a simple and flexible modelling tool for calibrating algorithms for LAI retrieval in conifer-dominated boreal forests. The advantage of PARAS is that it directly uses field measurements to parameterize canopy structure (LAI-2000, hemispherical photographs) and optical properties of foliage and understory.  相似文献   

Detection of a period decrease in NN Ser with ULTRACAM: evidence for strong magnetic braking or an unseen companion     

C. S. Brinkworth  T. R. Marsh  V. S. Dhillon  C. Knigge 《Monthly notices of the Royal Astronomical Society》2006,365(1):287-295

  相似文献   

基于神经网络响应面的结构可靠性分析方法研究   总被引：19，自引：1，他引：19  

阎宏生  胡云昌等 《海洋工程》2002,20(2):1-6

针对二次多项式响应面法存在的缺点 ,建立了神经网络响应面 ,进而提出了基于神经网络响应面的结构可靠性分析方法。通过多种数值试验表明 ,神经网络响应面可以快速、精确地拟合结构的极限状态函数 ,为结构的系统可靠性分析开辟了新的途径  相似文献   

陕西省地质灾害气象预报预警方法研究     

娄月红 《陕西地质》2009,27(2):83-88

地质灾害气象预报预警方法是近年来地质灾害防范的热点。由于不确定因素较多,预报方法及预报精度上还有待提高。根椐我省实际情况,选取影响地质灾害发生的主要地质因素并设计了地质背景条件下各致灾因素概率模型;根椐地质灾害主要引发因素的降雨量和初步确定的降雨量临界值;选取BP神经网络模型算法进行数学运算,最终形成预报预警产品,分等级预报,在实际预报预警中取得较好的效果。  相似文献