您的位置: 专家智库 > >

国家教育部博士点基金(20040558023)

作品数:10 被引量:488H指数:10
相关作者:黎夏叶嘉安刘小平何晋强艾彬更多>>
相关机构:中山大学香港大学更多>>
发文基金:国家教育部博士点基金国家自然科学基金国家杰出青年科学基金更多>>
相关领域:天文地球经济管理自动化与计算机技术更多>>

文献类型

  • 10篇中文期刊文章

领域

  • 6篇天文地球
  • 2篇经济管理
  • 2篇自动化与计算...

主题

  • 6篇元胞
  • 6篇元胞自动机
  • 6篇自动机
  • 3篇遥感
  • 3篇城市
  • 2篇蚁群
  • 2篇蚁群算法
  • 2篇土地利用
  • 2篇群算法
  • 2篇人工智能
  • 1篇地理信息
  • 1篇地理信息系统
  • 1篇信息系统
  • 1篇遥感和GIS
  • 1篇遥感影像
  • 1篇蚁群智能
  • 1篇预测技术
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇智能体

机构

  • 10篇中山大学
  • 5篇香港大学

作者

  • 9篇黎夏
  • 5篇叶嘉安
  • 5篇刘小平
  • 2篇何晋强
  • 2篇艾彬
  • 1篇刘涛
  • 1篇彭晓鹃
  • 1篇程涛
  • 1篇王佳璆
  • 1篇陶嘉
  • 1篇杨青生
  • 1篇李东海

传媒

  • 2篇地理研究
  • 2篇中国科学(D...
  • 2篇遥感学报
  • 1篇测绘学报
  • 1篇中山大学学报...
  • 1篇地理科学
  • 1篇热带地理

年份

  • 2篇2008
  • 4篇2007
  • 3篇2006
  • 1篇2005
10 条 记 录,以下是 1-10
排序方式:
基于神经网络的元胞自动机及模拟复杂土地利用系统被引量:245
2005年
本文提出了基于神经网络的元胞自动机 (CellularAutomata), 并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究, 但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多, 需要使用许多空间变量和参数, 而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟, 并利用多时相的遥感分类图像来训练神经网络, 能十分方便地确定模型参数和模型结构, 消除常规模拟方法所带来的弊端。
黎夏叶嘉安
关键词:元胞自动机神经网络类图
Fisher判别及自动获取元胞自动机的转换规则被引量:37
2007年
提出一种基于费歇尔(Fisher)判别和离散选择模型相结合来自动获取地理元胞自动机转换规则的方法。CA的核心是如何定义转换规则,但目前主要是采用启发式的方法来定义转换规则,受主观因素影响较大。本模型结合离散选择模型,通过对Fisher判别方法进行改进,可以成功搜索最佳分隔单元发展和不发展的变量组合,自动确定模型参数值。与常用的Logistic回归模型进行对比分析,结果表明,所提出的方法具有更高的模拟精度,转换规则有着清晰的物理意义。此外,本模型在模拟多类复杂的土地利用变化时可能更具有优势。
刘小平黎夏
关键词:FISHER判别元胞自动机
利用蚁群智能挖掘地理元胞自动机的转换规则被引量:58
2007年
提出了基于蚁群智能算法(Ant Colony Optimization,ACO)的地理元胞自动机(ACO-CA).元胞自动机(CA)具有模拟和预测复杂的地理现象演变过程的能力.CA的核心是如何定义转换规则,但目前的方法所获取的转换规则大都是隐含的,是通过数学公式来表达.当研究区域较复杂时,确定CA的模型结构和参数有一定困难,需要使用智能式的方法获取有效的转换规则.提出了一种基于蚁群智能来自动获取地理元胞自动机转换规则的新方法.该方法所提取的转换规则毋需通过数学公式来表达,能更方便和准确地描述自然界中的复杂关系,并且这些规则比数学公式更容易让人理解.将ACO-CA应用于广州市的城市模拟实验中,取得了较好的结果.并与See5.0决策树模型进行了对比研究,对比实验结果表明:蚁群智能算法在提取CA转换规则时比See5.0模型更具有优势.
刘小平黎夏叶嘉安何晋强陶嘉
关键词:蚁群算法元胞自动机人工智能
基于元胞自动机的城市发展密度模拟被引量:23
2006年
元胞自动机CA越来越多地被用于模拟复杂的城市系统,但这些模拟基本不考虑城市的发展密度。不同的城市发展密度会对城市的形态有很大的影响,有必要将城市的发展密度引进CA的城市模拟中,以获得更好的模拟结果。本文将密度梯度函数引进了CA模型的转换规则中,并定义‘灰度’来反映状态的转换。利用该模型对不同可能的城市发展组合进行了模拟,为城市规划提供了辅助依据。
黎夏叶嘉安
关键词:GIS城市形态城市规划
基于多智能体系统的空间决策行为及土地利用格局演变的模拟被引量:79
2006年
探讨了基于多智能体系统(MAS)的城市土地利用动态变化模拟的新方法.模型是由相互作用的环境层和多智能体层组成.旨在探索城市中居民、房地产商、政府等多智能体之间,以及多智能体与环境之间的相互作用而导致城市空间结构的演化过程.以广州市海珠区为实验区,模拟了其1995~2004年的土地利用动态变化情况.并与元胞自动机(CA)模型进行了对比研究,结果表明MAS在模拟较为复杂的城市时比CA有更高的精度和更接近实际的空间格局.
刘小平黎夏叶嘉安
关键词:多智能体CA复杂系统城市土地利用
基于支持向量机的元胞自动机及土地利用变化模拟被引量:49
2006年
提出了利用遥感数据,并采用支持向量机来确定元胞自动机非线性转换规则的新方法。元胞自动机在模拟复杂地理现象时,需要采用非线性转换规则。目前元胞自动机主要采用线性方法来获取转换规则,在反映复杂的非线性地理现象时有一定的局限性。以城市扩张的模拟为例,将模拟城市系统的主要特征变量映射到H ilbert空间后,通过SVM建立最优分割超平面,分割超平面的分类决策函数由径向基核(Rad ial Basis Kernel)构造。利用历史遥感数据校正超平面的决策函数,确定城市元胞自动机的非线性转换规则,计算出城市发展概率。利用所提出的方法,对深圳市1988—2010年的城市发展进行了模拟,取得了较理想的模拟效果。研究结果表明,基于SVM-CA模型的模拟精度比传统MCE方法模拟精度高,MoranⅠ指数与实际更为接近。
杨青生黎夏
关键词:元胞自动机支持向量机遥感土地利用变化
元胞自动机在城市模拟中的误差传递与不确定性的特征分析被引量:28
2007年
元胞自动机(Cellular Automata,简称CA)已越来越多地用于地理现象的模拟中,如城市系统的演化等。城市模拟经常要使用GIS数据库中的空间信息,数据源中的误差将会通过CA模拟过程发生传递。此外,CA模型只是对现实世界的近似模拟,这就使得其本身也具有不确定性。这些不确定因素将对城市模拟的结果产生较大的影响,有必要探讨CA在模拟过程中的误差传递与不确定性问题。本文采用蒙特卡罗方法模拟了CA误差的传递特征,并从转换规则、邻域结构、模拟时间以及随机变量等几个方面分析了CA不确定性产生的根源。发现与传统的GIS模型相比,城市CA模型中的误差和不确定性的很多性质是非常独特的。例如,在模拟过程中由于邻域函数平均化的影响,数据源误差将减小;随着可用的土地越来越少,该限制也使城市模拟的误差随时间而减小;模拟结果的不确定性主要体现在城市的边缘。这些分析结果有助于城市建模和规划者更好地理解CA建模的特点。
黎夏叶嘉安刘涛刘小平
关键词:不确定性元胞自动机地理信息系统
基于遥感和GIS的城市水体缓解热岛效应的研究——以东莞市为例被引量:28
2008年
以Landsat5TM遥感影像为数据源,研究水面积比例和地表温度的关系,发现水面积比例和地表温度存在较高的线性负相关,其相关系数为﹣0.72;进一步采用空间分析方法,对比河流两岸不同距离内的城市用地温度,揭示了水体缓解城市内部热环境效应的有效范围,定量探讨了河流宽度差异引起的缓解差异。结果表明,河流对城市热环境有一定的缓解作用,有效范围约200m左右,河流越宽,缓解能力相对越强。
李东海艾彬黎夏
关键词:城市热岛效应水体
基于蚁群智能的遥感影像分类新方法被引量:27
2008年
智能式遥感分类是遥感研究的新热点。提出了一种基于蚁群智能规则挖掘(ant-miner)的遥感影像分类新方法。遥感数据各波段之间存在较强的相关性,这种相关性往往会导致分类产生误差。而ant-miner算法中的信息素是基于规则整体性能的,信息素的动态更新能有效地处理相关性较强的数据,所提供的正反馈信息能纠正启发式函数缺陷所造成的错误。因此,蚁群智能算法应用于遥感分类具有一定的优势。将该方法用于广州市地区的遥感影像,取得了较好的分类结果。并与See5.0决策树方法及最大似然方法(MLH)进行了对比研究,实验结果表明,蚁群智能算法分类精度比后两者的分类精度更高。
刘小平黎夏何晋强艾彬彭晓鹃
关键词:蚁群算法遥感影像人工智能
时空预测技术在森林防火中的应用研究被引量:11
2007年
构建了一个随机的时间序列模型获得每一个空间上相互独立部分的时间预测,然后建立动态回归神经网络(DRNN)发现隐藏的空间关系,最后用统计回归方法把单个时间和空间预测整合起来产生最终预测。实验结果表明,提出的方法能对森林火灾面积进行准确有效的预测。通过对时空预测结果的准确性和训练精度进行讨论,分析了时空预测方法在林火预测中的可行性,证明时空变化预测方法在林火预测中的应用价值。
王佳璆程涛
关键词:森林火灾
共1页<1>
聚类工具0