基于面向对象的知识库的设计

在人工智能中需要知识,才能更好地实现其目的。本文对颐和园导游系统知识库的构建,知识的提取,知识的更新等作了初步的探讨,并与其他功能子系统相配合,实现了颐和园导游对话系统。     

基于决策树规则的面向对象遥感影像分类

高分辨率影像包含了丰富的空间信息,这使得基于像素的传统分类方法的分类精度受到局限.基于此,本文对面向对象的分类方法进行了探讨.首先,利用图像的光谱和形状因子对图像进行合理的分割.然后,建立决策树分类判别知识库,将对象归属到某一类上并进行分类.结果显示,面向对象方法的分类精度较传统分类方法有了很大程度的提高,这为通过建立决策树知识库对地物光谱混杂的城区分类提供了一种有益的尝试.     

基于面向对象Petri网的知识库模型

根据Petri网能够对知识的细节进行抽象的特点及对知识库系统应用的需求,利用VC 对Petri网进行了类的封装,建立了基于面向对象Petri网的知识库模型,实现了对知识库的动态维护,并增加了单步推理和反向执行的功能,同时也改进了规则维护算法。     

面向对象数字电路知识库系统的研究

面对学习者对数字电路问题的辅导要求，研究了面向对象的数字电路知识库系统。该系统以问题自动求解模块的工作为核心，在提供正确解题过程、诊断学习者解题行为、对学习者的解题错误给出恰当辅导、问题的类别信息提取等方面取得了满意的效果。     

基于面向对象的高分影像分类研究

遥感技术已经成为实现地表信息提取的主要手段。以高分辨率影像为主要数据源,采用面向对象的多尺度分割算法,根据对象的光谱、形状等特征,实现了面向高分遥感数据的土地利用分类算法。该算法结合了面向地物对象和综合对象特征的分类方法,充分发挥了高分辨率影像进行精细地物分类的优势,得到了高精度的分类结果。通过西双版纳纳板河流域国家级自然保护区实例验证表明:该算法总体精度达到88.58%,Kappa系数达到0.77,精度符合应用要求,能够实现土地利用高精度、快速的分类。     

具有面向对象特征的知识库系统

本文讨论了具有面向对象特征的知识库系统KBASE~ 的数据模型、语言及实现。KBASE~ 的数据模型可以方便地支持对象标识、类层次、多继承等面向对象概念。描述性查询语言KBL是DATALOG针对于非一范式关系模型的扩充。本文重构了KBL的语义理论框架,提出了通过计算相关类的下确界来解决属性继承中的冲突问题,通过在KBL程序中添加规则来实现实例继承的方案,本文说明了KBL程序可以转换成语义等价的DATALOG程序,描述了这种转换的基本思想,探索了知识库和面向对象数据库有机结合的可行途径。     

一种面向对象的模糊知识库模型

本文给出了一种专家系统模糊知识库的结构模型。重点讨论了该模型的体系结构和采用面向对象技术表示模糊规则的方法。并介绍了采用面向对象方法分析和设计模糊知识库的技术和采用面向对象串行化技术实现模糊知识库持久保存的方法。最后,分析了采用面向对象技术构建模糊知识库的优点。     

基于FY-3A/VIRR数据的雪盖信息提取软件设计与实现

目前基于FY-3A/VIRR资料的处理研究较少且VIRR数据量庞大,一些商用遥感图像处理软件很难直接完成对图像的预处理工作,这样对后续的定量化反演以及对FY-3A/VIRR的推广使用带来了困难。为了解决业务化问题,运用改进的归一化积雪指数(NDSI)、综合阈值判别算法和IDL、VB混合编程技术相结合的方法设计了积雪信息批量提取软件,实现了针对FY-3A/VIRR数据的单幅图像或多幅图像的积雪信息提取以及精度验证。实验表明,该软件处理速度快、实时性好、可批量提取积雪信息,大大节省了人力资源,同时提高了VIRR数据的分发和共享能力,可以在今后的工业生产和自动化领域推广使用。     

面向对象机器翻译知识库IMT—KB的设计与实现

机器翻译知识库是机译系统的重要组成部分,针对传统机译知识库的不足之处,本文提出一种面向对象的机译知识体系结构,同时给出这种具有层次性和模块性机译知识库的存储组织和管理机制。     

卫星云图的多通道FCM分割算法

卫星云图是对地球大气进行遥感测量的重要资料,云团的识别、跟踪及预测都需要对卫星云图进行图像分割和边缘提取。本文通过改进模糊C均值(FCM)算法对云图进行分割,改进后的算法显示出了效率高、分辨准确的特点。实验采用了2011年6月的RGB多通道卫星云图,通过对云图分层聚类,提取多通道聚类的相交区域等过程,实现了云团快速准确的分割。     

FY-3A气象卫星VIRR云检测产品与IRAS的匹配

通过查找表方法进行FY-3A气象卫星可见光红外扫描辐射计(Visible and InfraRed Radiometer, VIRR)云检测产品与红外分光计(Infrared Atmospheric Sounder, IRAS)之间的匹配实验,使VIRR云检测产品与IRAS具有一致的空间分辨率,为IRAS大气温湿度廓线的反演提供可靠的云检测信息。实验中分别采用模拟的VIRR云检测结果与IRAS数据进行匹配,并将匹配结果与原始云检测信息进行对比分析,验证查找表方法进行两者之间匹配处理的可行性。     

基于关联规则的面向对象高分辨率影像分类

以北京市昌平区Geoeye-1高分辨率遥感影像为试验数据,研究了关联规则挖掘和面向对象相结合的地物分类方法。首先探讨了关联分类法的原理,再通过图像分割、特征提取、关联规则挖掘、分类器构建一系列过程实现了基于关联规则的面向对象高分辨率影像分类,最终评估分类精度并与K-近邻法进行了对比。结果表明,该方法具有较好精度,能够在一定程度上摆脱地物分类对于专家知识的依赖。     

基于GEPSO模型的面向对象遥感图像分类

针对演化算法的寻优能力,提出了基于GEPSO(GEP Optimized by PSO)模型的面向对象遥感图像分类方法.先对遥感图像进行分割,选择特征集,然后利用GEPSO算法为每类图像对象构造一个类中心.构造类中心的过程先利用GEP搜索一个次优解,再根据这个次优解利用PSO搜索最优解.实验结果表明,基于GEPSO模型的面向对象遥感图像分类方法具有较高的分类精度.     

一种新的可见光遥感图像云判别算法

为了解决由于云层遮挡所引起的数据利用率低等问题,提出了一种新的基于支持向量机(SVM)与无监督聚类算法相结合的分类算法,实现可见光遥感图像快速高效地自动云判别。该算法首先使用ISODATA进行聚类,再利用聚类结果为SVM挑选训练集,从而大大减少SVM的训练时间,融合了SVM准确率高与ISODATA聚类速度快的优势。结果表明:该算法使得SVM的训练时间降低至单独使用SVM算法所需训练时间的2%,基本满足实时性需求,并保证分类正确率达90%以上。     

基于多层分割的面向对象遥感影像分类方法研究

利用ALOS数据,在Definiens Developer 7软件中用分形网络演化法(FNEA)进行多级分割,获取影像对象。综合运用对象的光谱、空间特征和不同层对象之间的关系,提取了湖北省洪湖市试验区土地覆盖与土地利用信息。最后,用一种基于单层分割的面向对象分类方法和基于像素的最大似然法与这种基于多级分割的面向对象分类方法进行了对比分析。结果表明,基于多级分割的面向对象分类方法,不仅克服了基于像素的最大似然法出现的“椒盐”现象,在分类精度上较这两种分类方法也有大幅度的提高。     

基于多特征面向对象区域滑坡现象识别

高空间分辨率卫星遥感数据的发展为滑坡灾害数据获取和更新提供了新的途径。以西北黄土高原为研究区,提出了一种基于多特征面向对象区域滑坡现象的识别方法,基于单期高空间分辨率遥感数据,利用集合和特征组合进行区域滑坡现象识别,实验结果表明:该方法是识别滑坡现象有效的技术方法之一,对开展滑坡监测、影像理解和地学分析具有重要的研究意义。     

面向对象的高光谱遥感影像分类方法研究

在基于像素的高光谱影像分类方法的基础上,结合面向对象图像分析理论与方法,提出面向对象的高光谱遥感影像分类方法,并具体分析探讨了面向对象高光谱遥感影像分类的关键技术,包括多尺度分割、最优波段选择、人机交互和知识库的建立等。试验表明,面向对象的分类方法应用于高光谱影像较传统分类方法有较高的精度,有很大的应用潜力。     

Disaster Monitoring of Satellite Image Processing Using Progressive Image Classification

The analysis of remote sensing image areas is needed for climate detection and management, especially for monitoring flood disasters in critical environments and applications. Satellites are mostly used to detect disasters on Earth, and they have advantages in capturing Earth images. Using the control technique, Earth images can be used to obtain detailed terrain information. Since the acquisition of satellite and aerial imagery, this system has been able to detect floods, and with increasing convenience, flood detection has become more desirable in the last few years. In this paper, a Big Data Set-based Progressive Image Classification Algorithm (PICA) system is introduced to implement an image processing technique, detect disasters, and determine results with the help of the PICA, which allows disaster analysis to be extracted more effectively. The PICA is essential to overcoming strong shadows, for proper access to disaster characteristics to false positives by operators, and to false predictions that affect the impact of the disaster. The PICA creates tailoring and adjustments obtained from satellite images before training and post-disaster aerial image data patches. Two types of proposed PICA systems detect disasters faster and more accurately (95.6%).     

基于面向对象信息提取技术的城市用地分类

针对高分辨率遥感影像的城市用地分类,引入了面向对象的信息提取技术,并将其与传统基于像素光谱信息的分类方法进行了比较。在此基础上详述了面向对象信息提取的关键技术---多尺度影像分割和基于分割的分类技术。以城市作为研究区,实现城市用地的自动分类。图像处理过程包括几何校正、HIS融合、图像分割和图像分类。最终分类结果表明:视觉上,面向对象信息提取技术克服了传统方法无法克服的“椒盐”噪声的影响;精度上,面向对象信息提取技术的总体精度高达84.82%,比最大似然法的总体精度提高了10.95%,并且各类地物信息的提取精度均有所提高,其中草地、道路、建筑物阴影的精度较高。