学位论文 > 优秀研究生学位论文题录展示

证据推理用于城市发展中的研究

作　者: 陈爱群
导　师: 关泽群
学　校: 武汉大学
专　业: 摄影测量与遥感
关键词: 证据推理 Dempster组合规则数据融合遥感影像分类城市发展
分类号: P237
类　型: 硕士论文
年　份: 2005年
下　载: 101次
引　用: 1次
阅　读: 论文下载

内容摘要

传统的遥感影像分类处理方法的发展已经比较成熟,特别是基于统计的最大似然分类方法。但传统的遥感分类方法在处理多源数据的分类时,显得力不从心,而数据来源的多样性是当前的客观实际,也是将来发展的趋势。在这样的情况下,迫切需要能处理多源数据的遥感图像分类方法,数据融合的思想与这样的需求不谋而合, D-S证据理论是融合多源信息最有前景的一个方法。其在不确定性知识表示方面具有优良的性能,D-S证据理论具有很多优点,它可以做到对多源数据间的物理关系不必确切了解,不必准确地建立多源数据体的模型;人为的先验知识可以视同信息一样,赋予对决策的支持程度,参与证据组合运算等。这是近几年其理论和应用发展较快的原因。但组合相互冲突的证据以及在应用中如何构造mass函数仍然是理论和应用上的难题,本文针对这些难题进行了研究,并把它应用于城市发展中,主要工作如下: 1 综述传统统计方法用于多源影像分类的缺陷,并针对这些缺点提出了证据推理的一些优势。 2 深入分析证据推理的概念的本质含义。并提出利用最大似然分类结果作为不同证据的mass函数初值。 3 利用证据推理融合多源传感器影像并把该方法用于城市发展。初步解决两个证据完全冲突进行融合时出现的问题。 4 完成证据推理计算mass函数法的影像分析软件设计。制作了试验区的发展变化图,并对结果进行了分析研究。对不确定性推理方法来说,D-S理论是通过mass函数正交和理论来进行推理的。该理论的一个策略是把证据集合分解成一系列不相关的证据集合,在这些证据集合中分别作判断,最后将这些判断结合起来建立推理模型。把多源信息看作是不同的证据,利用证据理论在城市发展研究的应用作初步尝试,用多源数据融合的技术方法制作武汉市城市发展态势图。并结合遥感图像的分析研究,对武汉市城区边界的界定、城区扩

全文目录

中文文摘  3-5
英文文摘  5-9
引言  9-11
第一章绪论  11-22
  1.1 研究课题的提出及其背景  11-20
    1.1.1 多源空间数据分析的统计方法  12-13
    1.1.2 多源空间数据  13-17
    1.1.3 证据理论  17-19
    1.1.4 证据推理的优势  19-20
  1.2 研究的主要目的和内容  20
  1.3 主要完成的研究工作  20-21
  1.4 论文的组织  21-22
第二章基于统计方法的遥感图像分类  22-33
  2.1 遥感图像分类的基本概念  24-25
  2.2 非监督分类及其方法  25-26
  2.3 监督分类  26-30
    2.3.1 训练区的选择  26-27
    2.3.2 判别分析分类  27-30
  2.4 最大似然判别方法  30-33
第三章证据理论基础  33-41
  3.1 引言  33-34
  3.2 证据理论基础  34-37
    3.2.1 识别框架  34
    3.2.2 置信函数  34-37
  3.3 Dempster组合规则  37-39
    3.3.1 两个信度函数的合成  37-39
    3.3.2 Dempster合成法则的性质  39
  3.4 证据冲突  39-41
第四章证据推理的实现  41-47
  4.1 引言  41
  4.2 证据支持度的获取  41-43
    4.2.1 监督分类训练处理  41-42
    4.2.2 训练区的选择  42
    4.2.3 训练区的大小  42
    4.2.4 数值的提取和特征参数的计算  42-43
  4.3 证据支持度的表达  43
  4.4 证据支持的估算  43
  4.5 证据组合  43-45
  4.6 决策规则  45-47
第五章多源数据用于城市发展  47-58
  5.1 具体试验步骤  48-51
    5.1.1 数据准备  48-49
    5.1.2 实施方案  49-51
  5.2 城市边界界定  51-53
  5.3 城市面积变化结果  53-57
  5.4 结果分析  57-58
第六章总结  58-59
参考文献  59-61
致谢  61-62
郑重声明  62

相似论文

基于微型无人平台导航多传感器信息融合算法研究,V249.32
多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
海上平台消防系统研究,U698.4
体育赛事对城市发展的影响分析,G80-05
无线传感器网络数据融合算法及模型研究,TN929.5
基于视频的动物运动跟踪分析系统及应用研究,TP391.41
无线传感器网络数据融合技术的相关研究,TN929.5
多传感器网络数据融合技术的研究,TN929.5;TP202
基于通信约束的无线传感器网络的研究,TN929.5
认知无线电频谱感知算法研究,TN925
认知无线网络中宽带压缩频谱感知关键技术,TN925
基于指纹与姓名语音的多模态生物特征融合身份识别技术的研究,TP391.41
普适计算中上下文推理及不一致性检测技术的研究,TP391.1
面向室内环境的WSN跟踪关键技术研究,TN929.5
甚高频雷电探测站数字处理系统设计与实现,TN911.23
基于多模型决策融合的空分过程故障检测与预报,TQ116.11
基于RDT&FDF方法的石油钻井事故诊断系统,TE28
分布式麦克风阵列跟踪算法研究,TN912.3
基于无线传感器网络LEACH路由协议的数据融合算法研究,TP212.9;TN929.5
基于信息融合的道路和障碍物检测方法研究,TP242
多点监测自适应网内数据融合技术的研究及应用,TP202