基于区间直觉模糊集的软件质量评价

在软件质量综合评价过程中,为客观地反映模糊因素的影响并增强决策的柔性,结合ISO/IEC9126软件质量度量模型,提出一种新型的软件质量综合评价方法:基于区间直觉模糊集的综合评价方法。运用区间直觉模糊综合评价模型计算可获得待评价软件的软件质量的优劣排序。区间直觉模糊综合评判模型更为合理的表示了专家的判断,通过实例验证了该方法的可行性,为企业选择软件提供一种科学、客观的决策依据。     

一种基于广义模糊集GFScom的毕业生综合评价方法

传统的学生综合评价方法主要是将得分进行加权累加并求平均值,人为因素对结果影响较大。该方法介绍了带有3种不同否定关系的广义模糊集GFScom的基本特性,描述了带有3种否定关系的语言变量表示方法,归纳了应用GFScom原理解决模糊决策问题的过程,并将该方法应用于毕业生综合评价中。实验表明,该方法在保证结果正确的同时,能够降低评价过程对人为因素的依赖,具有较好的客观性。     

基于模糊集和遗传算法的信息融合教学评价

实施信息融合教学评价,首先要用遗传算法对模糊融合中多个参数进行优化,然后对多项评价指标在决策级进行模糊融合.实验结果表明,此种教学评价的方法可以减少单一评价体系的不确定性,增加结果的可分离性,从而提高评价结果的真实性.     

应用模糊集理论评价高职实践教学质量

科学地设计高职教师实践教学质量的评价体系,运用模糊数学集理论进行实施质量评估,对提高职业院校的实践教学水平有重要意义.本文就如何设计实践教学评价体系,运模糊数学的多级综合评价模型对收集到的信息进行数据处理进行论述和介绍,并举例说明其运用.     

基于遥感图像的土壤含水量信息提取研究

土壤含水量是监测农作物生长状况的关键参数,近年来国内外学者在利用高光谱遥感数据监测土壤含水量技术方面进行了大量的研究。文章在分析相关研究进展的基础上,以唐山地区为研究区域,重点选取乐亭县、滦南县为研究对象,将Landsat 8遥感数据所获取的植被指数和地表温度作为反演土壤含水量的两个基本参数,再结合实测的地表温度数据,利用BP神经网络建立模型,从而实现了对该研究区域内土壤含水量的提取。通过研究发现,利用该方法能够提取土壤含水量,提取结果准确性较高。     

基于模糊集理论的园林植物景观美感自动评价方法

为了量化评价园林植物景观美感,提出一种基于模糊集理论的园林植物景观美感自动评价模型,以园林植物景观的节能性、美观性、风景融合性以及节能环保性等参数为约束指标集,构建园林植物景观美感自动评价的模糊约束参量模型。采用层次分析方法进行园林景观美感评价的决策模型构建,通过模糊集理论进行评价模型的最优控制设计,将园林植物景观美感自动评价问题转换为求模糊集的二元规划问题。采用量化回归分析和主成分特征提取方法,实现园林植物景观美感的优化评价。实证分析结果表明,采用该方法进行园林植物景观美感评价的准确性较高,评价置信度水平较好。     

基于HIS的遥感图像融合处理与分析

随着计算机软件和硬件技术的发展,以及RS技术在地质勘查领域的广泛应用,遥感图像在地质勘查中得到广泛应用。基于HIS变换进行图像融合处理,对青海沱沱河1∶50 000区域地质调查项目的TM、ETM+遥感图像进行解译和分析,增强遥感图像显示效果并提高其所包含的信息量,为相关地质工作者提供数据参考。     

基于注意力机制的高分辨率遥感图像目标检测

高分辨率遥感图像目标检测是计算机视觉实践课程中的一个创新实验项目.针对高分辨率遥感图像目标检测过程存在的问题,在主干网络的残差基本单元中引入注意力机制,设计基于注意力机制的目标检测模型.利用模型分别检测DIOR数据集及DOTA数据集,并对检测结果进行了对比分析.结果表明,该检测模型实现了对图像中不同目标较为精确的分类和...     

基于LS-SVM算法的遥感图像目标检测方法研究

遥感图像受到光照、拍摄角度、大雾等影响使得目标检测精度低,为提高遥感图像目标检测质量,通过计算遥感图像背景复杂度,进行目标区域的预提取,实施目标检测,提出基于LS-SVM算法的遥感图像目标检测模型。将提出的方法应用于舰船遥感图像和航空遥感图像的目标检测中,并和联合显著性特征和角度信息方法、改进SSD算法进行对比。结果表明该方法能够更好地对比较暗、尺寸比较小的目标进行检测,具有一定的应用价值。     

基于生成网络的遥感图像超分辨率的研究

提出了一种基于生成器网络的遥感图像超分辨率方法。该方法对网络的权重随机初始化,无需使用数据集进行预训练。输入待修复的低分辨率图像,通过迭代训练网络,生成网络输出边缘更为清晰的超分辨率图像。对遥感图像上复杂纹理的修复也达到了更清晰的预期效果。实验结果表明,生成网络能在遥感图像超分辨率上达到经过大量数据集训练的卷积神经网络相似甚至更好的表现。     

基于并行四邻域区域生长的遥感图像分割方法

针对当前主流的灰度图像分割算法进行了分析、分类,指出了各类方法的优缺点,提出了并行四邻域区域生长的图像分割算法,将其用于遥感图像的分割,并取得了较好的效果。     

基于主成分分析的GA-BPNN遥感图像分类研究

在高原山地地区,传统遥感分类方法分类精度低,而标准BP神经网络分类方法在实际应用中也难以胜任.探讨对数据源主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目、初始权重.并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出.结果表明,其分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性.     

基于卷积神经网络的光学遥感图像目标检测

针对光学遥感图像中的目标检测问题,提出了1种基于卷积神经网络模型的算法,对遥感目标检测任务进行端到端的训练和检测,根据输入的光学遥感图像,直接输出目标包围盒的回归结果和置信度。为训练和测试模型,建立了1个包含1万多个飞机、舰船目标以及广泛复杂背景的数据集。所提算法在其测试集上达到了超过90%的准确率和召回率,在GPU上的运行速度也接近实时,体现了算法准确、高效、鲁棒和易于训练的特点。     

试论遥感图像对大学生直觉思维能力的培养

直觉思维是创造性思维的重要环节，在高等地理教学中充分运用遥感图像培养大学生的直觉思维能力，能起到事半功倍的效果，也非常适合当前高等院校开展的研究性教学活动，有助于提高课堂教学效果和质量，最终培养大学生的创新思维能力。     

基于多尺度小波的城市遥感图像纹理特征提取

遥感技术为人们提供了大量的图像数据,如何从中提取所需信息,是遥感图像处理技术研究的热点。基于多尺度小波变换,可提取城市图像的纹理特征。根据城市影像中地物特征和小波技术的特点,确定合适的窗口大小,采用逐一滑动窗口的方法,对每一窗口提取相应的小波统计特征;应用小波变换的多尺度特性,在不同尺度上提取出子图像特征,构造出纹理特征矢量,为遥感图像的分类提供纹理特征。     

基于改进YOLOV3算法的遥感图像油罐检测

针对遥感图像中的油罐检测问题,借鉴深度神经网络的思想,提出了一种基于改进YOLOV3算法的图像检测方法。首先在原有YOLOV3算法框架中添加空间变换网络(spatial transformer networks,STN),使其成为具备空间变换学习能力的模型;然后通过k-means聚类算法对数据集进行分析,重新设计初始候选框大小;最后训练和测试网络,建立包含9 724个油罐目标的遥感图像数据集。实验结果表明:改进的YOLOV3算法具有良好的性能,在测试集中的召回率可达到95.64%,比原算法提升了3.52%;准确率可达到93.92%,比原算法提升了2.81%。     

遥感图像分类识别的探讨

对遥感图的目视判读和计算机自动分类识别方法及其特点进行分析,探讨了遥感图像分类识别中值得注意的若干问题。     

基于模糊分形特征的遥感图像人造目标检测方法

在分析遥感图像分形特征的基础上,比较了不同分形特征的特点,分析了多种分形特征在对图像背景与人造目标的对应性,讨论了分形拟合误差特征的计算方法,提出了对分形特征量的模糊数学方法描述,研究了基于分形特征的人造目标检测方法.文章选择了多幅含有自然背景和人造目标的遥感图像,应用建议的算法进行综合试验,试验结果表明该方法对检测人造目标是有效的.     

小波理论在遥感图像处理中的应用

介绍了小波变换理论,分析了小波变换在遥感图像压缩、图像去噪、图像融合等方面的主要应用。随着小波理论的进一步发展,其必将在遥感领域发挥更重要的作用。     

基于遥感图像分层特征的机场目标识别系统研究

讨论和研究了面向人造目标的遥感图像目标分层特征模型、基于目标分层特征的遥感图像属性以及目标关键特征属性的提取方法,并针对遥感图像中机场目标的检测与识别,提出了机场遥感图像的分层特征描述内容以及基于分层特征遥感图像机场目标检测识别系统的构架。