高光谱影像的BDT-SVM地物分类算法与应用

面对海量数据的特征空间高维性及训练样本的有限性,高光谱遥感影像若采用常规统计模式的分类方法难以获得较好的分类结果。因此探讨支持向量机(SVM)分类器的基本原理,针对EO-1Hyperion高光谱影像的分类特点及现有多类SVM算法所存在的训练时间长及分类精度低等问题,引入二叉决策树SVM(BDT-SVM)分类算法,并提出一种新的类间分离度定义方法及相应的客观确定二叉树结构的策略,由此生成改进的BDT-SVM算法。实验结果表明:与其他多类分类方法相比,基于改进的BDT-SVM算法的高光谱影像地物分类效果更好,总体精度达到90.96%,Kappa系数为0.89,该算法还解决了经典SVM多类分类可能存在的不可分区域问题。     

建筑信用监管的评价仿真与实证

为发展定量监管评价,基于行为档次记录的灰色模型建立评价新方法:获得记录样本正态分类的可靠搜索途径、生成总体合意分类标准的系统科学依据及个体行为评价的后续业绩调整.理论阐释与应用实证表明,方法的系统机理明晰,逻辑推理独特,技术路线新颖,应用条件较宽松.技术探讨指出正态合意约束或状态条件正常通常是仿真结果可靠的充要条件,以及档次记录结构正常则评价结果定然正态合意.仿真结果提示:监管评价应当首先克服监管不力或不当,确保不良记录结构良好、数量足够,才能保障评价结果可靠;指导机构合理操作并管控两种记录条数灰比以求保障档次记录结构正常,对监管评价具有必然涵义.     

行为评价的灰色模型及其监管意义

为了自为地生成和积累市场个体的行为数据,促进行政监管和信用建设现代化,基于管理梳理、研究综合和文献分析并引入灰色理论与监管原理,建立行为类别记录衍生行为档次结构的理论基础与区间灰数,给出基于行为档次区间灰数且兼容监管操作的系统模型及重要说明;指出灰数设定应当体现准确裁断、合理容忍及奖罚协调三个监管梯度逻辑.行为档次的区间灰数设定具有重要的监管操作意义和科学的数据规范功能,模型切合灰色理论的内涵和科学监管的需要,经某种待定信息补充与数学约束后可求解.     

基于独立分量分析的高光谱遥感影像决策树分类

为解决高光谱遥感影像波段众多所带来的信息丰富与“维数灾难”间的矛盾并提高分类精度,针对传统特征选择方法信息损失大的缺陷,基于EO-1 Hyperion高光谱遥感影像,采用独立分量分析(ICA)和决策树分类(DTC)方法联合运作流程,开展影像的地物分类实验研究,提出了ICA-DTC模型。首先运用ICA方法对影像进行特征提取,并以所提取的独立分量特征及其他地理辅助要素组成分类指标集;继而选择适当的指标组合和阈值设定判别规则,建立DTC模型进行影像的地物分类;最后将分类结果与传统最大似然分类法进行比对。结果显示：从分类的总体精度看,前者可达89.34%,高出后者18.8%;从单一地物的分类精度看,前者仅水体的精度略低于后者,而其他11种地物的精度都高于后者。理论分析与实验结果均表明,ICA-DTC模型可有效提高复杂地形条件下的地物分类精度。     

地球观测1号高光谱与全色图像融合的最佳方法

受制于成像原理及制造技术等因素,航天高光谱遥感图像的空间分辨率相对较低,为此提出将高光谱图像与高空间分辨率图像进行融合处理,设计最佳的增强高光谱遥感图像空间分辨率的融合算法。针对地球观测1号(EO-1)Hyperion高光谱图像和高级陆地成像仪（ALI）全色波段图像的特点,从9种具体遥感图像融合算法中选用4种融合算法开展山区与城市的数据融合实验,即Gram-Schmidt光谱锐化融合法、平滑调节滤波(SFIM)变换融合法、加权平均法（WAM）融合法和小波变换（WT）融合法,并分别从定性、定量和分类精度三方面对这些方法的融合效果进行综合评价与对比分析,从而确定适合EO-1高光谱与全色图像融合的最佳方法。实验结果显示：从图像融合效果看,在所采用的4种融合方法中,Gram-Schmidt光谱锐化融合法的效果最好;从图像分类效果看,基于融合图像的分类效果要优于基于源图像的分类效果。理论分析与实验结果均表明：Gram-Schmidt光谱锐化融合法是一种较为理想的高光谱与高空间分辨率遥感图像的融合算法,为提高高光谱遥感图像的清晰度、可靠性及图像的地物识别和分类的准确性提供有力的支持。     

基于Jena的台风灾害领域本体模型推理

针对传统台风灾害预测以统计学方法为主,而缺乏语义驱动和智能推理的问题,提出一种基于Jena的台风灾害领域本体模型推理机制。首先,在分析台风灾害的影响因素和演变历史的基础上,采用网络本体语言(OWL)建立台风灾害领域本体模型; 其次,利用Jena推理引擎和自定义规则对台风灾害本体模型进行推理,挖掘被隐藏的台风灾害影响因素或灾害链信息; 最后,构建了本体驱动的台风灾害专家系统(Onto-TDES)。实验结果证明,该方案能初步解决传统台风灾害预测缺乏语义驱动和智能推理的问题,提高台风灾害管理与预测的智能化水平。