巻号一覧
前身誌
38 巻, 6 号
選択された号の論文の9件中1～9を表示しています
- |<
- <
- 1
- >
- >|
-
城処 求行1999 年 38 巻 6 号 p. 1
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーPDF形式でダウンロード (1824K) -
小荒井 衛1999 年 38 巻 6 号 p. 2-3
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーPDF形式でダウンロード (2165K) -
本郷 千春, 田村 栄作1999 年 38 巻 6 号 p. 4-5
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーPDF形式でダウンロード (4602K) -
大塚 彰, 谷脇 憲1999 年 38 巻 6 号 p. 6-13
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーA new method of extracting broad-leaf weeds from grassland, Variance Extraction Method (VEM), has been proposed. The method applies texture analysis to weed extraction. Statistical variance was found suitable as a feature parameter of the texture analysis. Only weeds can be extracted because variance calculated on the broad leaves of the weeds is small and it is large in the grassland region. In this paper, characteristics of the proposed method are closely investigated and a conditional equation of extraction is presented for the design of weed system.抄録全体を表示PDF形式でダウンロード (11102K) -
細川 直史, 伊藤 陽介, 星 仰1999 年 38 巻 6 号 p. 14-23
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーA supervised classification method using a self-organizing map (SOM) is proposed to classify remote sensing data. SOM has a characteristic that a probability density function of input data is represented as a feature map. The proposed method is realized by creating a category map from the feature map of SOM. The category map can visualize characteristics of SPOT HRV data and it is also employed as a supervised classification method. The proposed method extracts liquefied area in Kobe (Japan) damaged by the 1995 Hyogoken Nanbu earthquake using the SPOT HRV data and the category map. As an experimental result, it is shown that classification accuracies of the proposed method are higher than those of the maximum likelihood and the back-propagation methods.抄録全体を表示PDF形式でダウンロード (8077K) -
長澤 良太1999 年 38 巻 6 号 p. 24-33
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーThe Yao River basin, located in the Nan Province, north Thailand, is one of the most critical watersheds in terms of soil erosion. USLE method was combined with GIS technology so as to estimate the soil erosion volume in this basin. As a result, the total amount of 131, 500 ton/year for the whole basin was calculated. Based on the spatial distribution of USLE value, the most hazardous sub basin with 20, 075 ton/year was detected on the left side of the lower Yao River. Then, USLE analysis at larger scale was conducted for this sub-basin. By applying the higher resolution DEM and aerial photo interpretation, it became clear that the actual value was 8, 940 ton/year because the slopes were less steep and more vegetated. Although there is no land conservation practice, the supposed three conditions (contouring, stripping and terracing) were simulated in order to evaluate the effectiveness of each type of practice. The result shows that the erosion volume was reduced to less than half by constructing the stripping or terracing practice.抄録全体を表示PDF形式でダウンロード (9747K) -
新井 康平, 寺山 康教1999 年 38 巻 6 号 p. 34-40
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーA field campaign for various calibration of ADEOS/AVNIR and OCTS was conducted at Ivanpah Playa, California, USA on March 4 1997. Through a careful analysis of the observed optical depth of the atmosphere, the measured surface Bidirectional Reflectance Distribution Function (BRDF) and the other meteorological data, Top of Atmosphere (TOA) radiance was estimated based on the Radiative Transfer Equation (RTE) and was compared to the real AVNIR and OCTS derived radiance. It is found that the difference between both ranges from around -3.5 to -20% for AVNIR while those for OCTS ranges from approximately -9.5 to -15%.抄録全体を表示PDF形式でダウンロード (4319K) -
サドリイ ムハマド, 安田 嘉純1999 年 38 巻 6 号 p. 41-51
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーニューラルネットワークによる衛星画像の分類において学習に時間がかかることが問題となる。本論文はバックプロパゲーション学習の収束速度の改良に関するものである。学習時間を短縮するため, 学習速度常数 (η) と安定化定数 (モーメンタム項: α) を同時に制御するようなメカニズムを導入し, バックプロパゲション学習速度を高める方法について検討した。提案する方法の有用性を検証するため, 実際に, MOS-1マルチスペクトル画像による西ジャワ・チャンジュール (Cianjur) の土地被覆分類に応用し, 安定に, しかも, 高速に学習が収束するための学習パラメータの制御条件について調べた。ネットワークは階層型ニューラルネットワークを用いた。その結果, 提案するメカニズムを用い, 学習パラメータを制御することにより, 約10倍の学習速度の高速化が得られることが示された。また, 提案方法は, 学習パラメータ (η, α) の初期設定値に依存せつ, 安定に収束することが知られた。抄録全体を表示PDF形式でダウンロード (4788K) -
山内 皓平1999 年 38 巻 6 号 p. 52-53
発行日: 2000/01/05
公開日: 2010/03/19
ジャーナル フリーPDF形式でダウンロード (2126K)
- |<
- <
- 1
- >
- >|