模拟退火优化BP神经网络进行云相态分类

为利用中分辨率成像光谱仪(MODIS)多通道云图数据对云相态进行分类,提出了一种利用云图红外、可见光谱段数据,基于SABP神经网络的云相态分类算法.算法基于BP人工神经网络学习算法及模拟退火算法.在两算法结合的基础上,作出了有益于云相态分类的改进.基准网络模型为3层前馈BP网络,其中,隐层和输出层使用不同的激活函数.选取了5种光谱特征作为网络输入,输出两单元判定结果.为加速收敛速度,避免振荡,采用了一种自适应的变学习系数、惯性系数策略.个例分析表明,算法在中低纬度地区效果良好.     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

关于蜕化双曲型方程的一类边值问题

在研究带低阶项的Tricomi方程Tu≡yu_(?)+u_(yy)+au_(?)+cu=f (0.1)的边值问题时,经常会遇到在双曲型区域(y<0)上的下述边值问题.考虑下半平面上的区域Ω=Ω_l,其边界(?)Ω_l=AB∪γ∪γ+,其中AB为x轴上的直线段[0,l],γ+为过点B(l,0)的左向的特征线,记为即BC用x=x+(y)(-h≤y≤0)表示;γ=AC是方程(0.1)的空向曲线,或过A点的特征线,用x=x_(y)(-h≤y≤0)表示.所讨论的边值问题的边界条件:     

正对称组非齐次边值问题的可微分解

§1 引言谷超豪曾讨论了正对称组齐次合格边值问题的可微分解,本文结合[1]中方法及Sarason的非齐次边值问题的强弱解概念,对于边界为非特征或正则特征时,讨论了正对称组非齐次边值问题的可微分解,并利用此结果,进而讨论了一类非线性边值问题的强解存在及唯一性. 设有界区域Ω(?)R~n,边界Γ充分光滑,Ω中定义了正对称组:     

利用MODIS数据进行云检测

介绍了近年来国际、国内利用气象卫星资料进行云检测识别的研究现状，并提出了一种利用中分辨率成像光谱仪(MODIS)红外、可见光谱段数据进行云、晴空分离的实用方法。给出了一些应用个例，个例分析表明算法适用于含有植被、海洋等背景的中低纬度地区。     

极轨气象卫星NOOA-KLM资料定标处理

极轨气象卫星资料的定标是一项基础性的研究工作,是对遥感信息作进一步处理、利用和研究的前提.对NOAA-KLM系列卫星资料的定标问题,进行了较系统地研究,并结合NOAA-16中4个主要仪器的1A数据集,进行了定标的程序处理,为资料反演等处理提供有效数据.     

极轨气象卫星NOAA-KLM资料定标处理

极轨气象卫星资料的定标是一项基础性的研究工作，是对遥感信息作进一步处理、利用和研究的前提。对NOAA-KLM系列卫星资料的定标问题，进行了较系统地研究，并结合NOAA-16中4个主要仪器的1A数据集，进行了定标的程序处理，为资料反演等处理提供有效数据。     

基于因子分析与人工神经网络的驾驶倾向性动态辨识模型

驾驶倾向性是衡量驾驶员驾驶过程中情绪偏好的动态指标,是碰撞报警系统中考虑的关键参数.在分析驾驶倾向性的基础上,采用因子分析和人工神经网络理论建立了驾驶倾向性的动态辨识模型,对原始数据进行因子分析提取特征参数并作为人工神经网络的输入,选取400组数据作为训练样本,69组数据做测试样本,通过采用驾驶员心理测试、实车实验方式对模型进行验证.结果表明,该模型具有训练时间减少、辨识准确率较高的优点,可为提前做好安全预警提供支持.