基于FNEA与D-S证据理论的土地利用遥感分类研究的开题报告_第1页
基于FNEA与D-S证据理论的土地利用遥感分类研究的开题报告_第2页
基于FNEA与D-S证据理论的土地利用遥感分类研究的开题报告_第3页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于FNEA与D-S证据理论的土地利用遥感分类研究的开题报告一、选题的背景和意义土地利用和覆被变化是全球变化和可持续发展研究的重点问题之一。在土地利用遥感分类研究中，常常使用像元分类方法，例如最大似然分类、支持向量机分类等。但传统的像元分类方法往往无法充分地利用遥感数据中的地物特征信息，且在响应时空变化时表现较弱。因此，深入研究土地利用遥感分类方法的改进成为当前遥感研究的热点之一。近年来，模糊数学与证据理论的结合在遥感影像分类中受到了广泛的研究。FNEA（Fuzzyneuralnetworkwithevidentialargumentation）模型基于模糊神经网络（fuzzyneuralnetwork）和D-S证据理论（Dempster-Shaferevidencetheory）相结合的方法，能够有效地融合多源地物信息和减少分类误差。因此，基于FNEA与D-S证据理论的土地利用遥感分类研究是当前的热点研究内容之一。二、研究目的本研究旨在设计并实现一种基于FNEA与D-S证据理论的土地利用遥感分类方法，以提高土地利用遥感分类的分类精度和准确性，并可应用于土地资源监测和管理。三、研究内容本研究的主要内容包括以下几个方面：1.基于遥感影像获取高维度的地物信息，对土地利用类型进行初步分类；2.设计并建立FNEA模型，将多源地物信息进行融合，并借助D-S证据理论分析不确定性和矛盾；3.进行样本选择和标记，并确定不同分类特征的权重和优化方法；4.对比分析FNEA与常见分类方法的分类效果，并进行误差分析；5.对所得分类数据进行分析和提炼，总结分类结果。四、研究方法本研究将结合遥感影像处理技术、模糊神经网络与D-S证据理论等多种技术手段，开展基于FNEA与D-S证据理论的土地利用遥感分类研究。具体步骤如下：1.数据采集：采集遥感影像数据，建立数据集；2.影像预处理：对遥感影像进行预处理操作，包括大气校正、辐射定标、大气矫正以及影像空间增强；3.土地利用类型初步分类：提取多源地物信息，对土地利用类型进行初步分类；4.FNEA模型建立：基于模糊神经网络和D-S证据理论相结合的FNEA模型进行土地利用遥感分类；5.样本选择和标记：针对不同分类特征，进行样本选择和标注工作；6.分类特征权重分析：选用PCA主成分分析法分析不同分类特征的权重；7.分类效果对比：将FNEA与常见分类方法如支持向量机、最大似然分类进行分类效果对比与分析；8.误差分析：采用混淆矩阵对分类结果进行误差分析；9.分类结果分析：对分类结果进行统计、分析与总结。五、预期结果本研究预期结果为：设计并实现一种基于FNEA与D-S证据理论的土地利用遥感分类方法，提高土地利用遥感分类的分类精度和准

人人文库> 全部分类> 毕业设计 > 开题报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论