Fuzzy控制的本质与一类高精度Fuzzy控制器的设计

本文揭示，Ｆｕｚｚｙ控制器本质上就是某种插值器，首先阐明Ｆｕｚｚｙ控制的插值机理，然后讨论常用的双输入单输出分片插值器，最后介绍基于论域收缩的一类高精度Ｆｕｚｚｙ控制器的设计思想。  

遥感影像土地利用/覆盖分类方法研究综述

从六个方面总结了国内外出现的遥感影像土地利用／覆盖分类中针对传统计算机分类方法的改进：(1)从基于统计的分类向基于非线性并行处理的人工神经网络分类、基于模糊理论为分类、基于知识的分类以硬支撑向量机等分类技术发展；(2)分类从单一利用光谱信息到利用光谱、纹理、时相、角度等多砷信息；(3)从基于像元的逐点分类到基于图斑的分类；(4)从硬分类到亚像元分类；(5)从单源遥感影像分类到利用多源遥感影像融合的分类；(6)从单分类器向复合分类器发展。  

一种简单的估算植被覆盖度和恢复背景信息的方法

植被覆盖度是评估生态环境的一个重要参数，其对于全球环境变化和监测研究具有重要意义．如何从遥感资料估算植被覆盖度，并提高估算精度是建立全球或区域气候、生态模型的基础工作．该文从分析土壤、植被光谱信号的特点出发，根据植被覆盖度的定义，推导出计算植被覆盖度的方法，并进一步提出了计算植被覆盖度的三波段最大梯度差法．在此基础上，对部分植被覆盖下的土壤光谱实现重建．上述方法实现简单，适用范围广，并可有效分离植被、土壤的影响，因而有望替代常用的通过NDVI估算植被覆盖度的方法．  

ZigBee协议网络层的研究与实现

在深入研究ZigBee协议网络层工作机制的基础上,提出其网络层实现方案,并在硬件平台上构建了国内外都具有领先技术优势的ZigBee无线个域网。  

冬小麦冠层的FAPAR、LAI、VIs之间关系的研究

利用北京顺义地区的冬小麦在2001年4月生长期内的光合有效辐射(PAR，Photosynthetically ActiveRadiation)、叶面积指数(LAI，Leaf Area Index)和冬小麦光谱观测数据。研究了光合有效辐射吸收系数(FAPAR,the Fraction of Absorbed Photosynthetically Active Radiation)、叶面积指数和植被指数(VIs，Vegetation Indices)之间的相关关系。发现FAPAR与LAI之间具有很好的线性关系。复相关系数(R^2)达到0．9427。FAPAR和LAI与植被指数之间具有很好的指数相关关系，复相关系数均在0．9以上。三之间满足了相关关系的传递性；同时在多种植被指数中。复归一化差值植被指数(RDVI，Renormalized Difference Vegetation Index)与FAPAR和LAI的相关性最好。  

基于灰度共生矩阵法的IKONOS影像中竹林信息提取

探索应用IKONOS高分辩率卫星图像提取竹林信息 :用经过几何校正和阴影校正后的近红外波段影像数据计算图像灰度共生矩阵和灰度联合矩阵 ,计算四个纹理量 ,利用 3× 3窗口的CON纹理量设置阈值分割提取出草地 ,再用改进了的纹理量MCON的值分割提取竹林的分类法 ,并且通过精度评估发现后者具有较高的精度 ,具有适应性  

基于Landsat TM图像的北京城市地表温度遥感反演研究

利用北京地区Landsat TM热红外波段数据，采用单通道算法反演得到北京地区地面温度分布图。从反演结果可以看出，北京城区地面温度比郊区地表温度高，郊区地表温度较低，密云水库、官厅水库等水体的温度最低，总体上北京城市热岛效应显著。地表比辐射率是通过Van经验公式反演得到，通过对比分析，表明该方法对自然地表的比辐射率反演效果较好。  

冬小麦红边参数变化规律及其营养诊断

研究了冬小麦冠层光谱红边参数随作物生育期的变化规律，并进行了红边参数与各组分间的相关分析，发现可利用用红边位置反演叶片可溶性糖和叶绿素含量，利用红边振幅反演叶片全氮含量，利用红谷反演叶面积指数。建立了基于红边参数的各组分的统计回归模型，可为生产上利用遥感手段大面积、无破坏、及时评价冬小麦生长状态及营养诊断提供重要依据。  

遥感影像纹理分析方法综述与展望

遥感影像的纹理分析已经成为一种重要的提高遥感影像分类精度的手段。着重介绍了用于遥感影像纹理分析的方法，对这些方法进行了分类和综合；这些方法的类别是：统计方法、结构方法、模型方法以及基于数学变换的方法。接着分别对各类别中的多种纹理分析方法进行了剖析，列举各自的纹理特征，并指出了这些方法的优缺点和适应性。然后对应用这些方法的影像分类效果做了对比分析。最后分析了遥感影像纹理分析近年来的发展方向并对未来发展进行了展望。  

基于径向基函数(RBF)映射理论的遥感影像分类模型研究

与传统统计方法的分类器相比较，人工神经网络（ＡＮＮ）方法应用于遥感影像分类，不需预先假设样本空间的参数化统计分布，具有复杂的映射能力。大多数ＡＮＮ分类器采用误差反向传播（ＢＰ）学习算法的多层感知器模型（ＢＰＮＮ），其主要缺陷是学习速度缓慢、容易陷入局部极小而导致难以收敛等。基于径向基函数（ＲＢＦ）映射理论的神经网络模型融合了参数化统计分布模型和非参经线性感知器映射模型的优点，在实现快速学习的同时，