为了消除传统的遥感影像分类所带来的模糊性和不确定性,采用 B P神经网络进行遥感影像分类。利用 Matlab软件构建 B P网络遥感影像分类算法,通过对 B P网络算法进行改进,采用动量. 自适应学习速率调整算 法克服了网络训练速度慢、不易收敛到全局最优等缺点。对一幅全色遥感图像通过300次训练后,输出能真实反映地类的影像图,其分类总精度为86.67 %,Kappa系数为0.82,分类精度能够满足遥感图像分类的需要。
研究一类模糊P I D 控制器的鲁棒设计。以小增益定理分析得到该模糊 P I D 控制系统稳定性条
件。针对参数摄动系统的 “最坏点” , 用该稳定性条件作为约束, 采用遗传算法对标称系统的性能进行优
化, 求得优化鲁棒控制器。以倒立摆为例进行鲁棒模糊 P I D 控制器的设计, 实验结果表明了该方法的有
效性。