利用单窗算法反演喀斯特城市地表温度

针对桂林喀斯特城市快速扩展呈现的热岛问题,提出喀斯特山峰混合像元比辐射率估算方法,使单窗算法适用于喀斯特城市地表温度遥感反演。结果表明,地表温度反演值与测量值的误差在2°C内;桂林中心老城区的地表温度相对低于新开发区和城市南北部工厂区,地表温度随植被覆盖度的增加而降低,呈明显的负相关关系;水体的表面温度最低,约17°C,植被覆盖度较高的喀斯特山峰的地表温度较低,阴坡为18~19°C,而阳坡为22~24°C;水泥广场、大面积建筑区的地表温度较高,为32~35°C;厂房密集且生产过程释放热量的工厂的地表温度最高,为33~36°C,个别像元达到40°C。植被覆盖的喀斯特山峰呈现显著的城市凉岛现象,对调节喀斯特城市气候环境具有重要作用。     

热红外多角度遥感和反演混合像元组分温度

在研究了混合像元热辐射方向性规律的基础上,以连续植被冠层为例,提出了利用热红外多角度遥感数据,直接反演混合像元组分温度的方法。与多通道数据相比,多角度信息间的相关性要低得多,它主要取决于植被冠层的叶倾角分布函数(LAD)。因此更容易达到反演精度小于1K的目的。     

特征主元提取与自组织影射的剖析

剖析了用神经网络实现特征主元提取（ＰＣＥ）、自组织特征影射（ＳＯＦＭ）、类扩展自组织语义影射（ＳＯＳＭ）和改进的特征细化自组织影射．通过对运载工具的特征压缩，进行可视性分析，结果表明ＰＣＥ和ＳＯＦＭ都能显示事物间的类似程度和关系结构，具有语义影射的功能．特征细化的ＳＯＦＭ同样能达到类扩展ＳＯＳＭ细化分类的功能，它克服了类扩展的ＳＯＳＭ增加输入特征的维数、增加不必要的计算量、输入特征与影射结果不相一致的缺点．     

轴承钢的下贝氏体形成温度对显微组织参量与屈服强度的影响

本文对在M_s～M_f 温度区段所形成下贝氏体的组织与力学性能进行了初步探索.结果证明:在该温度区段所形成的单一下贝氏体组织确实具备比回火马氏体组织优异得多的强韧性,存在着一个蕴藏丰富性能潜力的热处理小区,并有着开发利用的美好前景.     

自组织特征映射网络的分析与应用

数据挖掘的方法主要包括检索和分类两类,而各自都有缺陷.针对这些缺点提出先利用自组织映射的方法对采集的数据进行聚类和可视化,获得一些关于采集到的数据的初步信息.自组织映射法的目的是一个将高维数据非线性的投到一个预先定义好的二维拓扑中.它通过竞争学习的方法达到了降维、聚类、可视化的目的.     

自组织特征映射网络的分析与应用

数据挖掘的方法主要包括检索和分类两类,而各自都有缺陷。针对这些缺点提出先利用自组织映射的方法对采集的数据进行聚类和可视化,获得一些关于采集到的数据的初步信息。自组织映射法的目的是一个将高维数据非线性的投到一个预先定义好的二维拓扑中。它通过竞争学习的方法达到了降维、聚类、可视化的目的。     

人工神经网络预测纯金属的表面张力

建立了以纯金属原子半径、熔点、沸点和原子化焓预测表面张力的人工神经网络模型。训练后的神经网络能较好的拟合实验数据。对４０种金属的表面张力进行回想和预测结果与实验值的偏差在可接受范围内，表明人工神经网络在纯金属表面张力预测方面有一定的前景。     

基于事例的推理循环中人工神经网络和遗传算法的4种应用模型

从理论上研究了人工神经网络（ANN）模型和遗传算法（GA）在基于事例的推理（CBR）循环中的应用。针对CBR循环中遇到的共性技术问题，即事例的检索与修改，提出了4种应用模型：基于神经网络自适应共振（ART1）、自组织特征映射（SOFM）模型的事例聚类，基于反向传播神经网络（BPN）模型的事例相似度计算，基于GA的最近邻检索法（K－NN）特征权值优化以及其于GA和BPN的事例自动修改。讨论并建立了各种模型的算法。对提高CBR实际应用时事例的检索效率与质量具有指导作用。     

神经网络模型在锂离子电池表面温度预测中的应用研究

基于人工神经网络构建了锂离子电池表面温度的预测模型. 该模型为3层网络结构,其中输入层中有4个节点,隐含层中有9个神经元,输出层中有1个节点. 训练结果表明,模型具有较快的收敛速度和优秀的训练质量,从而保证了预测的精确度. 模型的预测值与实验值吻合程度高,说明了模型工作的有效性. 模型预测电池在较高环境温度(80 ℃)下以10C倍率放电结束时的表面温度为86.71℃,仅比环境温度高出6.71 ℃. 该模型有助于电池热管理系统的研究与开发.      

人工神经网络在星载散射计海面风场反演建模中的应用

地球物理模型函数(GMF)是散射计风场反演的基础及算法有效运行的前提条件。采用传统的统计方法建立GMF往往需要大量的、多种参数条件下的雷达后向散射测量数据。以圆锥扫描散射计SeaWinds为例,根据其特点,建立了一个两种极化方式下统一的神经网络模型函数(NN GMF),并对风速、相对风向采样间隔和测量值数目对模型精度的影响进行了详细分析。通过与Qscat-1模型进行比较,发现该神经网络模型在采样间隔较大或测量值数目较少的情况下,仍能较好地体现SeaWinds散射计的海面后向散射特性。     

基于神经网络的聚碳酸酯表面形貌参数与光泽度关系研究

研究了聚碳酸酯复杂表面形貌参数与表面光泽度的关系.使用不同目数的砂纸作为刮头,施加不同大小的恒定法向力对聚碳酸酯高光表面进行刮擦,得到具有不同光泽度的损伤表面.使用原子力显微镜和光泽度仪分别测得材料表面的三维形貌参数和光泽度数据,发现高光聚碳酸酯表面在砂纸的作用下损伤越严重,光泽度值越低.采用皮尔逊相关系数分析单个形貌参数与表面光泽度间的相关性,发现在所研究的16个形貌参数中,只有8个形貌参数与光泽度有较强的相关性.选用BP和RBF神经网络,对具有较强相关性的形貌参数与表面光泽度的复杂关系进行学习和预测,结果显示2种神经网络模型都能够预测表面损伤后光泽度的改变,基于对2种模型的分析,RBF神经网络比BP神经网络更适合于建立形貌参数与光泽度的非线性联系.     

遗传机理神经网络在电弧炉炼钢模型辨识中应用

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度．为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引入遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果．同时给出了基于现场实测数据的仿真结果．     

基于遗传神经算法优化的汉语分词模型

针对目前汉语分词系统中BP算法收敛速度慢等难题,本文将基于遗传的BP神经网络算法用于汉语分词模型,此模型结合了遗传算法和BP网络的优点.实验结果表明:该优化模型完全达到了汉语分词要求,并且在分词速度上也明显优于传统的BP神经网络,具有高精确性、收敛速度快等特点.     

城市地域地表温度与土地覆盖定量关系分析

利用Landsat TM影像,以合肥市区为研究区,采用最大似然法对合肥市影像进行土地覆盖分类,同时反演合肥市地表温度,然后计算NDVI(归一化差异植被指数)、MNDWI(改进的归一化差异水体指数)、NDBI(归一化差异建筑指数)和NDBaI(归一化差异裸土指数)4种指数.在此基础上,对合肥市城市热岛的空间分布特征、地表温度与土地覆盖类型以及各种影响因子之间的关系进行定量研究分析.结果表明,不同土地覆盖类型的地表温度存在较大差异,建筑用地和裸地是城市热岛强度的主要贡献因素,植被和水体具有较好的降温作用.地表温度与4种归一化指数的回归分析表明,它们之间存在明显的相关性.     

基于PSO-GA-BP神经网络的视觉伺服控制系统

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统 的实时性不够理想。基于粒子群遗传算法优化的 BP(Back Propagation)神经网络(PSO-GA-BP: Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的 机器人视觉伺服控制,通过优化 BP 神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验 结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位 置,图像特征点运动位置的实际值与期望值平均误差约为 2 个像素,具有良好的收敛速度和控制精度。相关结 论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。