导读:本文包含了基于证据推理模型的分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:证据,理论,模型,遥感,权重,不确定性,数据。
基于证据推理模型的分类论文文献综述
祝晓坤[1]（2005）在《Dempster-Shafer证据推理融合模型在遥感分类中的应用》一文中研究指出随着传感器技术的进步,遥感影像信息融合技术被广泛应用于影像特征识别、影像分割分类、综合信息提取等方面,成为国内外的研究热点。融合数据的多元特性,决定了在融合过程中需要处理信息源的不确定性、不精确性、不完备性、不一致性以及时变性等问题。Dempster-Shafer(DS)证据推理融合模型是解决这一问题的有效途径之一。本文针对该融合模型在遥感分类识别中的应用,进行了如下几个方面的研究和探讨: 1、影像信息源的预处理和加工。对试验采用的分类影像数据—ETM影像源进行辐射校正。通过对影像统计特性、地物光谱特性进行分析,建立试验影像的分类标志。最后,采用像素级影像信息融合技术对数据源进行加工,综合不同分辨率ETM影像的特性,便于特征提取。 2、基本DS证据理论(Basic DS Evidence Theory,BDSET)融合模型在遥感分类中的应用。介绍DS证据理论融合模型中的基本概念、融合原理和基本特点。根据BDSET理论的应用特点,着重分析BDSET在遥感影像分类应用中的算法实现。具体包括鉴别框架的确定,基本概率赋值函数的构造,Dempster组合规则的实现和分类精度评定。采用经过预处理后的ETM遥感数据进行分类试验,对DS融合模型的正确性、可行性进行比较和分析。从试验主客观的评价结果来看,BDSET的融合模型是有效可行的,比传统的最小距离监督分类法具有更好的分类效果,且具有一定的容错性。 3、BDSET融合模型在遥感分类应用中的改进。针对BDSET应用中存在的缺陷和难点问题,对BDSET提出以下几个方面的改进: ①扩充BDSET中基本概率赋值函数单子集的限制,使基本概率赋值函数构造更为合理。通过引入衰减因子,对扩充后赋值函数的不确定性定量化,并在此基础上构建DS分类树,提高分类效率。 ②对融合影像源进行正交变换,减少DS融合模型的计算量以及影像波段之间的相关性。 ③对Dempster组合规则进行改进,减少证据冲突对综合决策的负面影响。 ④提出决策树分层DS分类思想。对分析空间进行分层分类处理,先根据光谱间相似度进行粗分类,再进行子类的划分,在保证一定精度的基础上,提高融合分类的计算效率。 ⑤采用影像纹理特征辅助DS分类。通过将纹理信息作为一维输入,提高地物类别的识别精度,并对引入纹理特征后的分类效果进行分析比较。 4、对DS融合模型在遥感分类中的应用进行扩展。将DS融合模型与模糊理论相结合,实现了模糊DS理论(Fuzzy DS Evidence Theory,FDSET)融合模型在遥感分类中的应用。通过把样本模糊隶属度引入到DS理论中,使分类结果中对各类别的描述能够更为一致,从而提高分类的精度。 试验表明,几种改进和扩展算法不同程度地改善了原始融合分类算法的性(本文来源于《武汉大学》期刊2005-05-01）
闵小宝,吴根秀,李晓东[2]（2004）在《基于证据推理模型的k-NN分类》一文中研究指出本文对基于证据理论的 k- NN分类方法进行了修正 ,得到了基于证据推理模型的 k- NN分类方法 ,使分类结果更加精确。并且通过例子进行了计算机模拟实验 ,取得了较好的效果。(本文来源于《河南纺织高等专科学校学报》期刊2004年02期）
闵小宝[3]（2002）在《基于证据推理模型的K-NN分类》一文中研究指出本文主要提出了两种新的分类方法：基于证据推理模型的k-NN分类方法及基于可变J精度粗集模型的k-NN分类方法。 在前一种分类方法中，分类专家对待分类样本点的最近邻样本点给出权重，从而定义关键样本点及非关键样本点，进而给出它们的支持度、折扣系数。通过上述概念的引入，可对基于证据理论的k-NN分类方法进行修正，使分类结果更加精确。并且当折扣系数为1，且给定所有最近邻样本点权重相等时，基于证据推理模型的k-NN分类方法就成为基于证据理论的k-NN分类方法。并且给出了例子且进行了计算机模拟实验，取得了较好的效果。 后一种分类方法是将可变精度粗集模型与k-NN分类结合起来，从而可通过给定最大容忍的错误分类率来控制分类的准确度，使分类结果达到所期望的目的。并且给出了一些例子。(本文来源于《江西师范大学》期刊2002-05-01）
基于证据推理模型的分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文对基于证据理论的 k- NN分类方法进行了修正 ,得到了基于证据推理模型的 k- NN分类方法 ,使分类结果更加精确。并且通过例子进行了计算机模拟实验 ,取得了较好的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于证据推理模型的分类论文参考文献
[1].祝晓坤.Dempster-Shafer证据推理融合模型在遥感分类中的应用[D].武汉大学.2005
[2].闵小宝,吴根秀,李晓东.基于证据推理模型的k-NN分类[J].河南纺织高等专科学校学报.2004
[3].闵小宝.基于证据推理模型的K-NN分类[D].江西师范大学.2002