基于粒子群训练的人工神经网络应用于多光遥感影像分类研究

为了提高多光谱遥感影像的分类精度,提出一种基于粒子群训练的人工神经网络的多光谱遥感影像的分类方法.该方法先建立一个针对多光谱遥感影像的神经网络分类模型,然后引入粒子群算法对神经网络进行网络权值与阈值的优化,再利用训练好的神经网络对多光谱遥感影像进行分类.该方法不仅利用了人工神经网络在解决多光谱遥感影像混合光谱的优势,而且克服了BP神经网络在训练时候收敛速度过慢、振荡的缺点.实验结果证明:基于粒子群训练的人工神经网络方法能够比较好地提高多光谱遥感影像的分类精度.     

基于一维Kohonen网络的遥感影像分类方法研究

分析了Kohonen网络的训练模式和聚类特性,选用规模相对较小的一维Kohonen网络,并调整网络输出层的规模和邻域形状,优化网络结构;同时根据多光谱遥感影像中地物波谱曲线特征,通过不同波段组合、波段权重系数调整等方法对输入数据进行预处理,使该方法更适用于多光谱遥感影像分类和专题提取.本文以浙江省绍兴地区多光谱遥感影像分类为例,研究结果表明使用改进后的分类方法可以有效提高分类精度.     

基于粒子群训练的人工神经网络应用于多光谱遥感影像分类研究

为了提高多光谱遥感影像的分类精度,提出一种基于粒子群训练的人工神经网络的多光谱遥感影像的分类方法。该方法先建立一个针对多光谱遥感影像的神经网络分类模型,然后引入粒子群算法对神经网络进行网络权值与阈值的优化,再利用训练好的神经网络对多光谱遥感影像进行分类。该方法不仅利用了人工神经网络在解决多光谱遥感影像混合光谱的优势,而且克服了BP神经网络在训练时候收敛速度过慢、振荡的缺点。实验结果证明：基于粒子群训练的人工神经网络方法能够比较好地提高多光谱遥感影像的分类精度。     

基于克隆选择的多光谱遥感影像分类算法

为了对多光谱遥感影像进行更精确的分类，提出了一种基于克隆选择(clonal selection)的多光谱遥感影像分类算法。该方法首先应用基于人工免疫系统的克隆选择算法对样本进行自学习来得到全局最优的聚类中心，然后利用学习得到的聚类中心对整幅影像进行分类。由于克隆选择算法具有生物免疫系统自组织、自学习、自识别、自记忆的能力，不仅使得基于克隆选择的多光谱遥感影像分类算法具有非线性的分类能力，而且能够快速准确地得到全局最优解，从而克服了传统分类方法约束条件多、容易陷入局部最优的缺点。实验结果证明，基于克隆选择的多光谱遥感影像分类算法在分类精度上优于传统的分类方法，其总精度和Kappa系数分别达到了93．63％和0．915，因而具有实用价值。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

结合自动分区与分层分析的多光谱遥感图像地物分类方法

结合分区与分层的思想,针对多光谱遥感图像,提出一种新的分类方法。在地物光谱分析基础上实现遥感影像的自动分区,然后运用多光谱图像主成份变换前后的地物光谱特征实现地物的分层提取。该分类方法在大庆部分地区地物分类中得到了应用,结果表明,该方法比常规的监督分类在分类精度上有了明显提高。     

基于决策树的高光谱遥感影像分类方法研究

为了验证将决策树算法用于高光谱遥感影像分类的可行性,提出了一种二叉决策树自动构建算法用于高光谱遥感影像分类.通过对高光谱遥感影像进行现场采样、对样本进行统计和训练,生成了一棵二叉决策树,从决策树中提取出分类规则,并对高光谱遥感影像进行分类.生成的决策树简单明了,分类规则易于理解,分类效率和精度都比较高,实现了高光谱遥感影像从数据降维、样本选择、样本训练、决策树生成、影像分类的“一体化”和“自动化”.     

基于改进的自组织映射网络的遥感影像融合研究

多源遥感影像融合是富集遥感海量数据的最有价值的技术手段。本文给出了一种新的基于改进的自组织映射网络的遥感影像融合模型。选择浙江绍兴为典型研究区，以Landsat TM(10m)与SPOT-4 Pan(10m)融合数据为例，进行了融合实验与分析。实验结果表明，应用基于改进的自组织映射网络模型进行融合，分类融合结果较好，较基于基本自组织映射网络的影像融合分类精度提高约8％。     

人工免疫网络记忆分类并行算法研究

人类免疫系统是极为复杂的、固有并行性、分布式系统。人工免疫系统领域已经开发了许多免疫系统启发的算法,但没有几个显示并行性。论文提出并行人工免疫网络记忆分类系统,给出简单的并行人工免疫网络记忆分类算法。初始结果显示,通过简单的并行化方法,与并行人工免疫识别系统AIRS的比较研究表明,并行人工免疫网络记忆分类系统在并行效率等方面的性能优于后者。     

基于免疫网络的遥感影像分类算法

基于独特型免疫网络原理,提出了一种新型的分区记忆模式人工独特型网络模型,并利用其对卫星遥感数据进行了分类。该模型在结构上将免疫网络的记忆抗体划分为特异记忆抗体区和自由记忆抗体区。前者的主要功能是记忆各类别抗原的特异特征,后者为前者提供各种类型的抗体源。记忆抗体间按照亚动力学原理进行调节,实现免疫网络的寻优过程。基于上述分区,它在初次免疫响应过程中实现网络的搭建和训练,在二次免疫响应过程中实现信息提取。最后利用该模型对ETM数据进行地物分类,并与传统分类方法进行对比。结果表明：该模型的总分类精度和Kappa系数分别是92.6%和0.91,优于传统分类方法。     

人工免疫记忆分类器多类多维问题研究

本文首先介绍人工免疫系统在分类问题中的应用,以及人工免疫记忆分类器在UCI数据集合上的研究结果,然后将人工免疫记忆分类器与人工免疫识别系统在多类多维问题上进 行比较研究,以进一步验证人工免疫记忆分类器的性能。结果表明,人工免疫记忆分类器对于多类多维问题具有良好的性能,效率高于人工免疫识别系统。     

基于免疫RBF网络的雷达信号分类识别

采用了以免疫RBF网络为子网络的神经网络阵列实现了对雷达信号体制和用途的分类识别。免疫RBF网络采用全局搜索的优化方式，克服了传统算法的固有缺陷，在收敛速度和性能上都有较大的提高；通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子，缩小了标准进化算法搜索空间的范围。采用神经网络阵列有效地解决了单个神经网络在雷达信号识别中训练时间长，扩充、修改、维护难等致命的弱点。仿真结果表明，在雷达参数不全的情况下，免疫RBF网络阵列对各种雷达的体制和用途都达到了较高的正确识别率。     

基于人工免疫与D-S证据理论的故障诊断方法

针对使用信息融合技术进行故障诊断时,基本概率赋值难以确定的问题,提出一种基于人工免疫原理与D-S证据理论相结合的故障诊断方法.该方法使用无类标数据进行人工免疫聚类,构建每一个传感器的故障空间的分类模型,设计了中心抗体和一般抗体的识别半径对未知样本进行免疫识别,计算该样本在各故障分类器下的基本概率赋值,最后通过D-S证据理论将各基本故障概率赋值进行融合诊断,基于信任函数进行故障决策.试验结果表明该方法可以处理多信息源数据,提高了故障识别能力,有一定实践意义.     

基于免疫网络的分类应用于审计欺诈检测

分析被审计单位数据从而检测出欺诈记录是当前审计工作的一个重要课题,传统的数据挖掘方法在处理该问题时存在很大的局限性。论文提出了一种基于免疫网络的分类算法,基于训练数据构建自我和非我网络来提取正常模式和欺诈模式。算法根据新数据同自我非我网络的匹配情况来定量地计算欺诈分来实现分类。算法引入了免疫学习、免疫克隆、免疫记忆机制,并引入免疫变异机制提高对未知模式的识别能力。论文针对标准数据和审计数据完成了相应的验证实验。结果表明该算法具有较好的分类能力和欺诈检测能力。     

人工免疫系统研究的新进展

综述了人工免疫系统的最新研究成果。首先简述了生物免疫系统的信息处理机理，其次介绍了独特型人工免疫网络、多值免疫网络、免疫联想记忆等人工免疫模型，以及反向选择、免疫遗传、克隆选择等五类免疫学习算法，最后介绍了人工免疫系统的应用，并展望了该领域的进一步研究方向。     

基于免疫神经网络的故障诊断方法研究

设计了一种免疫神经网络故障诊断方法,将神经网络权值进行编码作为抗体,将网络误差作为抗原,算法首先利用免疫算法的全局收敛特性,对网络权值进行全局搜索,然后再利用BP算法的局部搜索性能对网络权值进行局部搜索;以抽油机井为对象进行了仿真研究,并与BP神经网络故障诊断方法进行比较分析,表明免疫神经网络故障诊断方法能够有效避免陷入局部极小值的现象,并且在一定程度上加快了算法的运行速度。     

机器人学中应用的人工免疫原理、模型与展望

给出人工免疫与机器人学的四个结合模型：负选择、克隆选择、进化免疫、免疫网络．介绍其生物机理,归纳和评述了主要算法及在机器人中的应用成果. 与其它进化算法做了比较,并展望了进一步的研究方向．