神经网络与模糊逻辑在遥感影像识别中的应用

"这篇硕士学位论文探讨了基于神经网络的遥感影像识别技术，结合模糊逻辑系统，特别是五子连珠游戏中的应用。论文作者为刘宣江，指导教师陆传赉，专业为应用数学，来自北京邮电大学，发表于2007年。论文深入研究了神经网络在遥感影像模式分类中的应用，包括BP神经网络、Kohonen自组织特征映射网络（SOFTMAP）、模糊Kohonen聚类网络（FKCN）以及一种改进的自适应FKCN网络（AFKCN），并将这些方法应用于渤海湾地区的遥感影像数据进行分类研究。" 模糊逻辑和神经网络的混合系统是一种结合两者优点的技术，其中模糊逻辑擅长处理不确定性和语言变量，而神经网络则擅长从大量数据中学习模式。混合系统通常有两种结构：并联型和串联型。在并联型结构中，神经网络和模糊逻辑系统共享输入，系统根据实际需求选择哪种方法来驱动执行机构。而在串联型结构中，一个系统的输出作为另一个系统的输入，形成连续的信息处理链。 在遥感影像识别领域，模式分类是关键任务。传统的分类方法可能因假设条件的差异而导致识别效果不佳。神经网络技术，尤其是BP神经网络，能够通过学习和自我调整来适应不同的模式，从而提高遥感影像分类的准确性。此外，模糊Kohonen网络结合模糊逻辑，增强了网络对模糊边界和不确定性数据的处理能力，使其更适用于遥感影像的空间模式识别。 论文中，作者首先回顾了遥感影像分类领域的研究进展，介绍了神经网络分类的基本原理和方法。接着，分析了传统分类方法的局限性，并引入模糊模式识别技术来改善分类效果。具体实验部分，作者使用ERDAS软件对渤海湾地区的1M遥感影像进行非监督预分类，然后运用BP神经网络进行二次精细分类。最后，作者还研究了一种改进的自适应FKCN网络，以提升分类性能。 总结起来，这篇论文深入探讨了神经网络和模糊逻辑在遥感影像识别中的应用，为遥感技术的发展提供了新的理论和技术支持，特别是在解决复杂环境下的影像分类问题上。通过这种方式，不仅提升了分类精度，也为未来的遥感信息处理提供了有价值的参考。