2024年4月14日发(作者：仰如意)
第３期
２００８年９月
山西水土保持科技
Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｓｈａｎｘｉ
Ｎｏ．３
Ｓｅｐ．２００８
口学术天地
基于ＧＦＭＭ网的多源遥感数据融合
高文君 周 宇
（１山西省水土保持科学研究所 ２南京林业大学信息学院）
摘要：运用模糊数学与神经网络理论相结合，利用人工神经网络的ＧＦＭＭ算法，通过学习与实验，探
ＧＦＭＭ网 人工神经网络
索了遥感数据融合方法。
关键词：遥感数据融合
中图分类号：Ｖ５５７ ．３文献标识码：Ａ 文章编号：１００８－０１２０（２００８）０３－００２３－０３
近几十年来，随着计算机技术的蓬勃发展，图像
处理技术也得到了广泛应用。本文主要应用模糊数
学与神经网络理论相结合，利用计算机图像处理技
融合是一种高水平融合，它将有助于细分类和制图。
目前，在遥感分类融合决策这一领域中常用的信息
融合分类方法主要有：统计数据融合法、证据推理理
术，通过学习与实验，探索遥感数据融合方法。文中
提到的遥感数据，主要是指遥感图像数据。显然，遥
感图像（或从这样的图像中提取的信息）和ＧＰＳ数
据已经变成现代ＧＩＳ主要的数据源。实际上，遥感、
ＧＩＳ和ＧＰＳ技术的界限已经变得模糊不清，它们的
结合领域将继续变革我们日常的普查、监测和管理
自然资源的方法。
论（ＤＳ理论）、基于神经网络的融合、模糊逻辑法。
在对遥感图像的分类处理中，有很多方法和途
径可以获得同一个地方的有关信息，所以用数据融
合的方法和理论来处理图像的分类是一种很自然的
想法。数据融合的优势在于通过对多个信息源的融
合处理，以达到提高分类精度和可靠性的目的。
２一般模糊极小～极大（ＧＦＭＭ）网
２．１ 人工神经网络
１ 多源遥感数据的分类融合方法
１．１遥感信息融合
神经网络，或者更精确地说人工神经网络，是一
种植根于许多学科的技术，其中涉及神经科学、数
学、统计学、物理学、计算机科学和工程学。人工神
经网络是近年来再度兴起的一个高科技研究领域，
在卫星遥感成像系统中，由于受到光的能量和
衍射决定的分辨极限、成像系统的调制传递函数、信
噪比三个方面的限制，同时获得光谱、空间和时间的
高分辨率是很困难的。因此，引发了世界范围内对
多源遥感信息融合研究的普遍关注。由于任何单一
的信息源提供的信息往往是不完全的、不精确的或
模糊的，传统的遥感图像分类处理方法不能有效地
组织多源数据。而利用新发展起来的交叉学科——
也是信息科学、脑科学、神经心理学等多种学科近几
年研究的一个热点。本文应用模糊数学与人工神经
网络理论（即在处理过程中用模糊逻辑运算的一般
模糊极小～极大网），探索遥感数据融合方法。
２．２一般模糊极小～极大（ＧＦＭＭ）网
ＧＦＭＭ网是Ｂ．Ｇａｂｒｙｓ与Ａ．Ｂａｒｇｉｅｌａ于２０００年
提出的，它具有如下特点：输入可以是区间形式的真
数据融合的理论和方法，是解决问题的有效途径。
只有利用多个遥感和非遥感信息源提供的，反映所
处环境或对象的不同特征信息之间的互补性和冗余
性，采用有效的方法将它们融合，才能弥补单一信息
源的缺陷，提高正确识别、判断和决策的能力。因
正模糊量；既可以处理纯识别问题，也可以处理纯聚
类，还可以处理识别、聚类兼有的混合问题；改进了
隶属函数和超盒尺寸限制参数，使之更加合理。
２．３ ＧＦＭＭ拓扑结构
ＧＦＭＭ拓扑结构见图１。
此，遥感多源信息融合是近几年来国际遥感界研究
的热点，并成为解决多源海量数据分析以提取有用
信息的关键技术之一。
１．２ 多源遥感数据的分类融合方法
利用多源遥感图像信息进行目标的识别决策的
资助项目：南京林业大学引进人才基金项目（２００２０２９）
收稿日期：２００８￣７—１６
３ 基于ＣＦＭＭ网的多源遥感数据
融合方法
设有ＩＩ１个输入样本，样本以下标从小到大顺序
出现。学习算法分若干个周期，每个周期包括两个
・
２３．
山西水土保持科技 ２００８年第３期
３．１．３ Ｓｔｅｐ！．３超盒相交检验
设新建或扩张过的超盒为 。，检验其是否与
阵ｕ
其他超盒相交。分两种情况：
（１）ｃｌａｓｓ（ ）＝０，对Ｏ 中除 之外的所有
超盒 ，检验是否与 。相交。若相交，转Ｓｔｅｐ１．４，
否则转Ｓｔｅｐ１．５。
（２）ｃｌａｓｓ（莒，。）＞０，对＠ 中与 异类的那些
｝
超盒 进行检验。若相交，转Ｓｔｅｐ１．４，否则转
图１ ＧＦＭＭ拓扑结构
阶段：超盒产生与调整阶段，网络运行检验阶段。
３．１超盒产生与调整阶段
３．１．１ Ｓｔｅｐ１．１超盒初始化
由于ｍ个样本，所以网络至多需要ｍ个超盒。
又因为一开始网络中不存在任何超盒，故令ｍ个初
始超盒的极小与极大点分别为：
：
［１，ｊ ｏ ｏ￣Ｑ＊，１ ：［，…一，０］
３．１．２ Ｓｔｅｐ１．２超盒的扩张
Ｓｔｅｐ１．２．１输入样本（Ｘ＾，ｄ＾），统计在此之前
这时已经建立（初始状态已改变）的超盒，记它们组
成的集合为０ ，令＠ ：：０ 。
Ｓｔｅｐ１．２．２如０＾ ：＝ ，任选一初始状态未改
变的超盒为莒…转Ｓｔｅｐ１．２．５；否则采用下式计算：
ｂｊ・（％， ， ）＝ｍａ ｘｂ￣（Ｘｈ）
…
Ｓｔｅｐ１．２．３检验超盒莒…是否满足以下扩张
条件：
．
Ｖ（ｍａｘ（ ， ｕ）一ｍｉｎ（Ｗｊｉ， ））≤０
若不满足，令：
Ｏ ＝０ ＼｛ ，＋｝
然后转Ｓｔｅｐ１．２．２。如满足，则开展下一步。
Ｓｔｅｐｌ。２．４如ｄ＾＝０转Ｓｔｅｐ１．２．６。否则，分以
下三种情况处理：
‘（１）若ｃｌａｓｓ（莒 ＋）＝０，令ｃｌａｓｓ（雷卜）＝ｄ＾并转
Ｓｔｅｐ１．２．６；
（２）若ｃ２ （ 。）＝ｄ＾，转Ｓｔｅｐ１．２．６；
（３）其他，令Ｏ ＝Ｏ ＼｛ 。｝，转Ｓｔｅｐ１．２．２。
Ｓｔｅｐ１．２．５建立新超盒：Ｂ 。＝Ｘｈ
ｎｅｗ
＝ｍｌ￣ｎ ／ ｏｌｄ
胁
，
１）
＝ｍａｘ（ ｏｌｄ， １），ｉ＝１，…，凡
并令０ ＝０ ｕ｛曰 。｝，转Ｓｔｅｐ１．２．３。
Ｓｔｅｐ１．２．６调整（扩张）超盒 ：
：ｒａｉｎ（ ， ）
嘱＝ｍａｘ（ ｏｌｄ， ），ｉ＝１，…，ｎ
・
２４・
Ｓｔｅｐ１．５。
３．１．４ Ｓｔｅｐ１．４超盒的收缩
对检查出来的相交异类超盒，收缩其中之一或
二者收缩至不相交，然后转Ｓｔｅｐ１．２．１。
３．１．５ Ｓｔｅｐ１．５网络运行检验
如ｈ＝ｍ，转网络运行检验阶段，否则，令ｈ＝ｈ
＋１，转Ｓｔｅｐ１．２．１。
３．２相交检验
设最小相交区间长度初值为艿 ，对ｉ＝１，２，…，
进行如下计算。分四种情况：
（１）如ｖｉｉ＜ “＜Ｗｊｉ＜ｗ“ 则令６一：ｍｉｎ（
一
６ ）
（２）如 “＜ｖｉｉ＜Ｗ ＜ 则令 一＝ｍｉｎ（ｗ“
一
，
）
（３）如 Ｖｋｉ＜ｗｊｉ＜Ｗ 则令６一＝ｍｉｎ（ｍｉｎ（ “
一
，
Ｗｊ 一Ｖｋｉ）， ）
（４）如 ＜ ＜Ｗｊｉ＜Ｗ 则令６～＝ｍｉｎ（ｍｉｎ（ｗｊｉ
一
Ｗ 一 ）， ）
如６ 一６一＞０，那么参数△＝ｉ，且令 ：６一，
以此来表示两个盒子在第△维上的投影的重叠，然
后进行下一维检验。如出现以上四种以外情况，表
明不重叠，也就是说两个盒子不相交。
３．３超盒的收缩
相交检验直到第ｎ维检验完之后，如△＞０，两
盒子相交，这时要进行对两个盒子压缩。为了尽可
能少地改变已形成的超盒形状，需对第△维进行压
缩。公式如下：
（１）如 诅＜ 地＜Ｗｊａ＜Ｗ 贝４令 ｎｅｗ＝口 ｎｅｗ
ｏｌｄ ．＋ ｏｌｄ
ｄ
一
２
（２）如 珏＜ ＜ｗ地＜
贝０令 地ｎｅｗ＝呓
ＷｋＡ
ｏｌｄ
＋
． ｏｌｄ
—‘
２
（３）如 ＜ 地＜ｗ托＜
且（Ｗ格一 ）＜
（ 一 地） 贝０令 ｎｅ ＝ ｎｅｗ
（４）如 ＜ ＜Ｗ ＜
且（Ｗ 一 ）＞
２００８年９月 高文君等基于ＧＦＭＭ网的多源遥感数据融合
（ｗｉａ一 怂） 贝０令 ｍｔｔｅｌ￣＝ 怂ｎｅｗ
框架。
（５）如 地＜
（ 越一 ） 贝０令
＜ｗｊｚ＜Ｗ地 且（Ｗ越一 ）＜
＝ ∞Ｆｔｅｌ
对算法ＧＦＭＭ融合分类方法的性能进行分析
是本文的最终目的。利用ＶＣ编程，综合考虑分类
精度及分类速度，通过实验，最终得出：ＧＦＭＭ对训
练区域很挑剔，训练区域直接影响到分类结果，显然
也是算法本身的原因。它不要求很大量的训练，只
是要求很有代表性就可以。
参考文献
［１］张青贵．人工神经网络导论［Ｍｊ．北京：中国水利水
电出版社，２００４．
（６）如 柚＜
（ ｍ一 地） 贝０令
＜ｗｊａ＜ｗ地 且（ｗ地一 ）＞
＝
３．４网络运行阶段
设网络已经过训练，权矩阵 ， 均已确定。将
第ｈ个矢量 输入以后，计算它属于每个超盒的隶
属度ｂｊ。
１
Ｅ（ｘ ） ２ ｎ ｆｍａｘ（０，１一
ｍａｘ（０，ｙｍｉｎ（１， ＾ 一ｗｊｉ）））＋
ｍａｘ（０，１一ｍａｘ（０，Ｔｍｉｎ（１， 一
［２］朱述龙，张占睦编著．遥感图像获取与分析［Ｍ］．北
京：科学出版社，２００３．
）））１
ｆ３］袁金国，王卫．多源遥感数据融合应用研究［Ｊ］．
地球信息科学，２００５，７（３）：９７～１０３．
然后用下式计算属于第 个类Ｃ 的程度：
ｃ＆ ６
［４］罗忠．多源遥感数据融合的现状［Ｊ］．测试技术学
报，１９９９，１３（１）：３２～３８．
（０）＝…＝ ，ｚ （０）：１
［５］史忠植．知识发现［Ｍ］．清华大学出版社，２００５．
［６］徐慧，等．Ｖｉｓｕａｌ Ｃ＋＋数字图像实用工程案例精
４小结
多源遥感信息融合是一种自动化信息综合处理
技术，是数据融合技术在遥感领域的综合应用。多
源遥感信息融合重在融合方法的研究，而目前国内
外在该领域仍处于研究发展阶段，尚无成型的理论
４－＂七－６＂七七七七 七女七 七七七七 七七七 －６＂
选［Ｍ］．北京：人民邮电出版社，２００４．
作者简介
高文君（１９８４＿）：女，学士，助理工程师；通讯地
址：山西省太原市郝家沟街汇隆花园，０３００１３
七七七 －６＂ 七 七 －６＂－６＂ 七
－
（上接第ｌ６页） 小区护埂：采用混凝土预制块（长Ｘ宽Ｘ厚＝
＾一径流箱高，Ｉｎ；
一
６０×５０×１０ Ｃ１ＴＩ，顶部做成倾角６０。的单面刃形斜
坡）砌筑，水泥沙浆勾缝而成，护埂宽１０ ｃｍ，基础深
３０ ｃｍ，高出地面３０ ｃｍ，基础两侧的回填土要夯实。
护埂顶部斜面朝外，防止护埂处的降雨因滴溅进入
总量水体积，ｍ。。
设计分流孔孔底高度１．０ ＩＴＩ，分流箱及集流箱
长×宽＝１．０ １１１×１．５ ｎｑ，其核算结果见表２。
表２分流箱与集流箱核算结果表
ｈ（ｍ）
１．１
小区内部，影响观测精度。
集流槽、挡水墙、引水管、分流箱和集流箱采用
混凝土整体浇筑，表面Ｍ１２．５水泥沙浆抹面。
建观测房面积３０ ｍ ，用于化验分析、存放设备
与耗材。
４ ８
ｈ （ｍ）
１ ０
０（ｍ）
１．０
ｂ（ｍ）Ｗ ２％（ｍ ）Ｗ＆（ＩＴＩ。）
１．５ ４ ５３
Ｗ设＞Ｗ ，集流箱、分流箱尺寸符合设计要求。
考虑到制作误差因素，使用中，首先必须对各箱
逐一进行量测，而后根据实际尺寸，对观测成果进行
计算。
４．５径流场建筑物
布设小区数量：５个小区（其中含一个标准小
区）。
小区外侧为便于观测需要修建简易道路（台
阶）０．２ ｋｍ，并进行必要的硬化。建设观测便道连
通交通道路及径流场小区，并设置Ｄ ｕ型排水渠
１００ ｍ
坡度：原地面坡度为１０。，调整后为１５。。
规模：５００ ｃｍ×２ ０００ ｏｎｑ。
作者简介
马宝祥（１９６６－）：男，工程师；通讯地址：甘肃省
天水市，７４１０００
水土保持措施：乔木林、灌木林、人工草地、乔灌
草混交等措施各布设一个小区。
2024年4月14日发(作者：仰如意)
第３期
２００８年９月
山西水土保持科技
Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｓｈａｎｘｉ
Ｎｏ．３
Ｓｅｐ．２００８
口学术天地
基于ＧＦＭＭ网的多源遥感数据融合
高文君 周 宇
（１山西省水土保持科学研究所 ２南京林业大学信息学院）
摘要：运用模糊数学与神经网络理论相结合，利用人工神经网络的ＧＦＭＭ算法，通过学习与实验，探
ＧＦＭＭ网 人工神经网络
索了遥感数据融合方法。
关键词：遥感数据融合
中图分类号：Ｖ５５７ ．３文献标识码：Ａ 文章编号：１００８－０１２０（２００８）０３－００２３－０３
近几十年来，随着计算机技术的蓬勃发展，图像
处理技术也得到了广泛应用。本文主要应用模糊数
学与神经网络理论相结合，利用计算机图像处理技
融合是一种高水平融合，它将有助于细分类和制图。
目前，在遥感分类融合决策这一领域中常用的信息
融合分类方法主要有：统计数据融合法、证据推理理
术，通过学习与实验，探索遥感数据融合方法。文中
提到的遥感数据，主要是指遥感图像数据。显然，遥
感图像（或从这样的图像中提取的信息）和ＧＰＳ数
据已经变成现代ＧＩＳ主要的数据源。实际上，遥感、
ＧＩＳ和ＧＰＳ技术的界限已经变得模糊不清，它们的
结合领域将继续变革我们日常的普查、监测和管理
自然资源的方法。
论（ＤＳ理论）、基于神经网络的融合、模糊逻辑法。
在对遥感图像的分类处理中，有很多方法和途
径可以获得同一个地方的有关信息，所以用数据融
合的方法和理论来处理图像的分类是一种很自然的
想法。数据融合的优势在于通过对多个信息源的融
合处理，以达到提高分类精度和可靠性的目的。
２一般模糊极小～极大（ＧＦＭＭ）网
２．１ 人工神经网络
１ 多源遥感数据的分类融合方法
１．１遥感信息融合
神经网络，或者更精确地说人工神经网络，是一
种植根于许多学科的技术，其中涉及神经科学、数
学、统计学、物理学、计算机科学和工程学。人工神
经网络是近年来再度兴起的一个高科技研究领域，
在卫星遥感成像系统中，由于受到光的能量和
衍射决定的分辨极限、成像系统的调制传递函数、信
噪比三个方面的限制，同时获得光谱、空间和时间的
高分辨率是很困难的。因此，引发了世界范围内对
多源遥感信息融合研究的普遍关注。由于任何单一
的信息源提供的信息往往是不完全的、不精确的或
模糊的，传统的遥感图像分类处理方法不能有效地
组织多源数据。而利用新发展起来的交叉学科——
也是信息科学、脑科学、神经心理学等多种学科近几
年研究的一个热点。本文应用模糊数学与人工神经
网络理论（即在处理过程中用模糊逻辑运算的一般
模糊极小～极大网），探索遥感数据融合方法。
２．２一般模糊极小～极大（ＧＦＭＭ）网
ＧＦＭＭ网是Ｂ．Ｇａｂｒｙｓ与Ａ．Ｂａｒｇｉｅｌａ于２０００年
提出的，它具有如下特点：输入可以是区间形式的真
数据融合的理论和方法，是解决问题的有效途径。
只有利用多个遥感和非遥感信息源提供的，反映所
处环境或对象的不同特征信息之间的互补性和冗余
性，采用有效的方法将它们融合，才能弥补单一信息
源的缺陷，提高正确识别、判断和决策的能力。因
正模糊量；既可以处理纯识别问题，也可以处理纯聚
类，还可以处理识别、聚类兼有的混合问题；改进了
隶属函数和超盒尺寸限制参数，使之更加合理。
２．３ ＧＦＭＭ拓扑结构
ＧＦＭＭ拓扑结构见图１。
此，遥感多源信息融合是近几年来国际遥感界研究
的热点，并成为解决多源海量数据分析以提取有用
信息的关键技术之一。
１．２ 多源遥感数据的分类融合方法
利用多源遥感图像信息进行目标的识别决策的
资助项目：南京林业大学引进人才基金项目（２００２０２９）
收稿日期：２００８￣７—１６
３ 基于ＣＦＭＭ网的多源遥感数据
融合方法
设有ＩＩ１个输入样本，样本以下标从小到大顺序
出现。学习算法分若干个周期，每个周期包括两个
・
２３．
山西水土保持科技 ２００８年第３期
３．１．３ Ｓｔｅｐ！．３超盒相交检验
设新建或扩张过的超盒为 。，检验其是否与
阵ｕ
其他超盒相交。分两种情况：
（１）ｃｌａｓｓ（ ）＝０，对Ｏ 中除 之外的所有
超盒 ，检验是否与 。相交。若相交，转Ｓｔｅｐ１．４，
否则转Ｓｔｅｐ１．５。
（２）ｃｌａｓｓ（莒，。）＞０，对＠ 中与 异类的那些
｝
超盒 进行检验。若相交，转Ｓｔｅｐ１．４，否则转
图１ ＧＦＭＭ拓扑结构
阶段：超盒产生与调整阶段，网络运行检验阶段。
３．１超盒产生与调整阶段
３．１．１ Ｓｔｅｐ１．１超盒初始化
由于ｍ个样本，所以网络至多需要ｍ个超盒。
又因为一开始网络中不存在任何超盒，故令ｍ个初
始超盒的极小与极大点分别为：
：
［１，ｊ ｏ ｏ￣Ｑ＊，１ ：［，…一，０］
３．１．２ Ｓｔｅｐ１．２超盒的扩张
Ｓｔｅｐ１．２．１输入样本（Ｘ＾，ｄ＾），统计在此之前
这时已经建立（初始状态已改变）的超盒，记它们组
成的集合为０ ，令＠ ：：０ 。
Ｓｔｅｐ１．２．２如０＾ ：＝ ，任选一初始状态未改
变的超盒为莒…转Ｓｔｅｐ１．２．５；否则采用下式计算：
ｂｊ・（％， ， ）＝ｍａ ｘｂ￣（Ｘｈ）
…
Ｓｔｅｐ１．２．３检验超盒莒…是否满足以下扩张
条件：
．
Ｖ（ｍａｘ（ ， ｕ）一ｍｉｎ（Ｗｊｉ， ））≤０
若不满足，令：
Ｏ ＝０ ＼｛ ，＋｝
然后转Ｓｔｅｐ１．２．２。如满足，则开展下一步。
Ｓｔｅｐｌ。２．４如ｄ＾＝０转Ｓｔｅｐ１．２．６。否则，分以
下三种情况处理：
‘（１）若ｃｌａｓｓ（莒 ＋）＝０，令ｃｌａｓｓ（雷卜）＝ｄ＾并转
Ｓｔｅｐ１．２．６；
（２）若ｃ２ （ 。）＝ｄ＾，转Ｓｔｅｐ１．２．６；
（３）其他，令Ｏ ＝Ｏ ＼｛ 。｝，转Ｓｔｅｐ１．２．２。
Ｓｔｅｐ１．２．５建立新超盒：Ｂ 。＝Ｘｈ
ｎｅｗ
＝ｍｌ￣ｎ ／ ｏｌｄ
胁
，
１）
＝ｍａｘ（ ｏｌｄ， １），ｉ＝１，…，凡
并令０ ＝０ ｕ｛曰 。｝，转Ｓｔｅｐ１．２．３。
Ｓｔｅｐ１．２．６调整（扩张）超盒 ：
：ｒａｉｎ（ ， ）
嘱＝ｍａｘ（ ｏｌｄ， ），ｉ＝１，…，ｎ
・
２４・
Ｓｔｅｐ１．５。
３．１．４ Ｓｔｅｐ１．４超盒的收缩
对检查出来的相交异类超盒，收缩其中之一或
二者收缩至不相交，然后转Ｓｔｅｐ１．２．１。
３．１．５ Ｓｔｅｐ１．５网络运行检验
如ｈ＝ｍ，转网络运行检验阶段，否则，令ｈ＝ｈ
＋１，转Ｓｔｅｐ１．２．１。
３．２相交检验
设最小相交区间长度初值为艿 ，对ｉ＝１，２，…，
进行如下计算。分四种情况：
（１）如ｖｉｉ＜ “＜Ｗｊｉ＜ｗ“ 则令６一：ｍｉｎ（
一
６ ）
（２）如 “＜ｖｉｉ＜Ｗ ＜ 则令 一＝ｍｉｎ（ｗ“
一
，
）
（３）如 Ｖｋｉ＜ｗｊｉ＜Ｗ 则令６一＝ｍｉｎ（ｍｉｎ（ “
一
，
Ｗｊ 一Ｖｋｉ）， ）
（４）如 ＜ ＜Ｗｊｉ＜Ｗ 则令６～＝ｍｉｎ（ｍｉｎ（ｗｊｉ
一
Ｗ 一 ）， ）
如６ 一６一＞０，那么参数△＝ｉ，且令 ：６一，
以此来表示两个盒子在第△维上的投影的重叠，然
后进行下一维检验。如出现以上四种以外情况，表
明不重叠，也就是说两个盒子不相交。
３．３超盒的收缩
相交检验直到第ｎ维检验完之后，如△＞０，两
盒子相交，这时要进行对两个盒子压缩。为了尽可
能少地改变已形成的超盒形状，需对第△维进行压
缩。公式如下：
（１）如 诅＜ 地＜Ｗｊａ＜Ｗ 贝４令 ｎｅｗ＝口 ｎｅｗ
ｏｌｄ ．＋ ｏｌｄ
ｄ
一
２
（２）如 珏＜ ＜ｗ地＜
贝０令 地ｎｅｗ＝呓
ＷｋＡ
ｏｌｄ
＋
． ｏｌｄ
—‘
２
（３）如 ＜ 地＜ｗ托＜
且（Ｗ格一 ）＜
（ 一 地） 贝０令 ｎｅ ＝ ｎｅｗ
（４）如 ＜ ＜Ｗ ＜
且（Ｗ 一 ）＞
２００８年９月 高文君等基于ＧＦＭＭ网的多源遥感数据融合
（ｗｉａ一 怂） 贝０令 ｍｔｔｅｌ￣＝ 怂ｎｅｗ
框架。
（５）如 地＜
（ 越一 ） 贝０令
＜ｗｊｚ＜Ｗ地 且（Ｗ越一 ）＜
＝ ∞Ｆｔｅｌ
对算法ＧＦＭＭ融合分类方法的性能进行分析
是本文的最终目的。利用ＶＣ编程，综合考虑分类
精度及分类速度，通过实验，最终得出：ＧＦＭＭ对训
练区域很挑剔，训练区域直接影响到分类结果，显然
也是算法本身的原因。它不要求很大量的训练，只
是要求很有代表性就可以。
参考文献
［１］张青贵．人工神经网络导论［Ｍｊ．北京：中国水利水
电出版社，２００４．
（６）如 柚＜
（ ｍ一 地） 贝０令
＜ｗｊａ＜ｗ地 且（ｗ地一 ）＞
＝
３．４网络运行阶段
设网络已经过训练，权矩阵 ， 均已确定。将
第ｈ个矢量 输入以后，计算它属于每个超盒的隶
属度ｂｊ。
１
Ｅ（ｘ ） ２ ｎ ｆｍａｘ（０，１一
ｍａｘ（０，ｙｍｉｎ（１， ＾ 一ｗｊｉ）））＋
ｍａｘ（０，１一ｍａｘ（０，Ｔｍｉｎ（１， 一
［２］朱述龙，张占睦编著．遥感图像获取与分析［Ｍ］．北
京：科学出版社，２００３．
）））１
ｆ３］袁金国，王卫．多源遥感数据融合应用研究［Ｊ］．
地球信息科学，２００５，７（３）：９７～１０３．
然后用下式计算属于第 个类Ｃ 的程度：
ｃ＆ ６
［４］罗忠．多源遥感数据融合的现状［Ｊ］．测试技术学
报，１９９９，１３（１）：３２～３８．
（０）＝…＝ ，ｚ （０）：１
［５］史忠植．知识发现［Ｍ］．清华大学出版社，２００５．
［６］徐慧，等．Ｖｉｓｕａｌ Ｃ＋＋数字图像实用工程案例精
４小结
多源遥感信息融合是一种自动化信息综合处理
技术，是数据融合技术在遥感领域的综合应用。多
源遥感信息融合重在融合方法的研究，而目前国内
外在该领域仍处于研究发展阶段，尚无成型的理论
４－＂七－６＂七七七七 七女七 七七七七 七七七 －６＂
选［Ｍ］．北京：人民邮电出版社，２００４．
作者简介
高文君（１９８４＿）：女，学士，助理工程师；通讯地
址：山西省太原市郝家沟街汇隆花园，０３００１３
七七七 －６＂ 七 七 －６＂－６＂ 七
－
（上接第ｌ６页） 小区护埂：采用混凝土预制块（长Ｘ宽Ｘ厚＝
＾一径流箱高，Ｉｎ；
一
６０×５０×１０ Ｃ１ＴＩ，顶部做成倾角６０。的单面刃形斜
坡）砌筑，水泥沙浆勾缝而成，护埂宽１０ ｃｍ，基础深
３０ ｃｍ，高出地面３０ ｃｍ，基础两侧的回填土要夯实。
护埂顶部斜面朝外，防止护埂处的降雨因滴溅进入
总量水体积，ｍ。。
设计分流孔孔底高度１．０ ＩＴＩ，分流箱及集流箱
长×宽＝１．０ １１１×１．５ ｎｑ，其核算结果见表２。
表２分流箱与集流箱核算结果表
ｈ（ｍ）
１．１
小区内部，影响观测精度。
集流槽、挡水墙、引水管、分流箱和集流箱采用
混凝土整体浇筑，表面Ｍ１２．５水泥沙浆抹面。
建观测房面积３０ ｍ ，用于化验分析、存放设备
与耗材。
４ ８
ｈ （ｍ）
１ ０
０（ｍ）
１．０
ｂ（ｍ）Ｗ ２％（ｍ ）Ｗ＆（ＩＴＩ。）
１．５ ４ ５３
Ｗ设＞Ｗ ，集流箱、分流箱尺寸符合设计要求。
考虑到制作误差因素，使用中，首先必须对各箱
逐一进行量测，而后根据实际尺寸，对观测成果进行
计算。
４．５径流场建筑物
布设小区数量：５个小区（其中含一个标准小
区）。
小区外侧为便于观测需要修建简易道路（台
阶）０．２ ｋｍ，并进行必要的硬化。建设观测便道连
通交通道路及径流场小区，并设置Ｄ ｕ型排水渠
１００ ｍ
坡度：原地面坡度为１０。，调整后为１５。。
规模：５００ ｃｍ×２ ０００ ｏｎｑ。
作者简介
马宝祥（１９６６－）：男，工程师；通讯地址：甘肃省
天水市，７４１０００
水土保持措施：乔木林、灌木林、人工草地、乔灌
草混交等措施各布设一个小区。