遙感數(shù)據處理中的動態(tài)貝葉斯網絡研究.pdf

1、本文研究了遙感數(shù)據處理中的動態(tài)貝葉斯網絡，全文概括為以下四個方面： (1)首次將動態(tài)貝葉斯網絡比較全面地引入遙感數(shù)據處理，完成軟件開發(fā)。 當前遙感變化檢測技術都是針對獲取自兩個時相的經過配準的遙感影像進行操作。論文提出應用動態(tài)貝葉斯網絡來實現(xiàn)多時相遙感信息的變化檢測。通過建立動態(tài)貝葉斯網絡建立前后時相間的狀態(tài)關聯(lián)，時相內部狀態(tài)和特征間也通過貝葉斯網絡表達。動態(tài)貝葉斯網絡的變化檢測方法能夠充分利用了多時相數(shù)據間的相互信息，

2、其有向無環(huán)圖的網絡結構可以很好地表達不同時相的多波段數(shù)據之間的隱含的非線性關系，同時動態(tài)貝葉斯網絡綜合對研究區(qū)域的先驗知識和樣本數(shù)據的信息，可以實現(xiàn)多時相變化信息的一次性提取，避免兩時相遙感信息對比變化檢測方法由于兩兩時相間變化檢測誤差導致的誤差積累。 (2)提出了利用貝葉斯多網的遙感數(shù)據分類方法。 貝葉斯網絡分類器中的網絡對不同類別只有一個統(tǒng)一的結構，即表達統(tǒng)一的條件獨立關系。論文提出用貝葉斯多網分類器進行遙感數(shù)據分類

3、則可通過與同類別數(shù)目的局部貝葉斯網絡來表達不同類別情況下屬性之間的不同條件獨立關系。因此貝葉斯多網分類器比貝葉斯網絡分類器應該更適合于具有復雜波譜輻射特性的遙感數(shù)據的分類問題。 (3)利用貝葉斯網絡構建腎綜合征出血熱推理預測模型。 根據我國1984—2000年的30個腎綜合征出血熱監(jiān)測點的氣象資料、疾病數(shù)據、宿主數(shù)據、人口數(shù)據，結合植被歸一化指數(shù)、監(jiān)測點的土壤和植被數(shù)據，利用貝葉斯網絡建立腎綜合征出血熱的推理預測模型。將

4、貝葉斯網絡用于公共衛(wèi)生領域的疾病監(jiān)測，不僅可以推斷疾病和因素間的概率關系，建立預測模型，而且通過各影響因素間的條件概率，反映各因素間相互影響及影響大小。 (4)在探索動態(tài)貝葉斯網絡的同時，觸類旁通，開發(fā)了兩種新的遙感數(shù)據智能處理算法。 在動態(tài)貝葉斯網絡啟發(fā)下，開發(fā)了容差粗糙集遙感數(shù)據分類器和局部轉換函數(shù)遙感數(shù)據分類器等兩種新算法，并通過Landsat TM多光譜波段分類實驗證明了這兩種遙感數(shù)據分類方法的有效性，一并寫出來