Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "automata" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Użycie automatów komórkowych do modelowania i symulacji zjawisk przestrzennych
The use of cellular automata for modeling and simulation of spatial phenomena
Autorzy:
Wyczałek, I.
Powiązania:
https://bibliotekanauki.pl/articles/129787.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
automaty komórkowe
modelowanie przestrzenne
symulacje przestrzenne
cellular automata
spatial modeling
spatial simulation
Opis:
Wiedza o charakterze zjawisk na danym terenie stanowi podstawę prognozowania ich zmian wskutek planowanego wdrożenia decyzji przestrzennych. Jednym ze sposobów wspomagania prognozowania jest symulacja, czyli dynamiczny model danego zjawiska. Powtarzanie Symulacji przy zmieniających się parametrach jest jednym z bardziej efektywnych sposobów wnioskowania decyzyjnego. Zjawiska przestrzenne charakteryzują się powtarzalnością lokalnych interakcji między sąsiadującymi ze sobą fragmentami powierzchni. Suma tych lokalnych procesów daje obraz zróżnicowanego przestrzennie zjawiska, zachodzącego na rozległych nieraz obszarach. Narzędziem, które bardzo dobrze odzwierciedla te lokalne interakcje są automaty komórkowe. W modelowaniu zjawisk przyrodniczych komórka-automat odzwierciedla pojedynczy fragment danego składnika środowiska. Zakładając interakcje, między różnymi składnikami modelu lub ich relacje z otoczeniem, możemy tak opisać działanie automatu, aby realizował je poprzez podatność na bodźce zewnętrzne lub oddziaływanie na stan otoczenia. W ramach prezentowanej pracy wdrożono automaty ukierunkowane na przekształcanie otoczenia, nazwane Interaktywnymi Automatami Komórkowymi (IAK). Podczas, gdy dane zmieniają swój stan w ograniczonym zakresie wartości, to w zależności od tego stanu oraz stanu otoczenia (modelowanego zjawiska) powodują zmiany zarówno w przestrzeni automatów jak i w modelowanym otoczeniu. Wykazano, że tak sformalizowane działanie ma szeroki zakres zastosowań przestrzennych, różniących się jedynie postacią reguły zmian. Potwierdzają to wyniki adaptacji takiego formalizmu do modelowania terenu, poklasyfikacyjnej agregacji obiektów obrazowych oraz symulacji obiegu wody.
Knowledge of the nature of phenomena in a given area is the basis for prediction of the changes resulting from a planned implementation of spatial decisions. A way to aid the prediction is a simulation, e.g. a dynamic model of a phenomenon. Repeating the simulation with changing parameters is one of the most effective ways for decision making. Spatial phenomena are characterized by repetition of local interactions between neighboring pieces of the surface. The sum of these local processes gives an image of a spatially varying phenomenon occurring sometimes over wide areas. A tool that best reflects these local interactions are cellular automata. In modeling natural phenomena a cell-automaton reflects a single part of the environment. Assuming the interactions between different components of the model, or their relationship with the environment, we can describe the operation of the slot to pursue them due to its susceptibility to external stimuli, or the impact on the state of the environment. As a part of this work, automata have been implemented aimed at transforming the environment, called Interactive Cellular Automata (ICA). While the data changes in a limited range of values, depending on their state and the state of the environment (modeled phenomena), they cause changes both in the space of the automata and the modeled environment as well. It has been shown that such formal action has a wide range of spatial applications that differ only by the form of the transition rule. This has been confirmed by the results of the adaptation of such formalism for modeling the site after classification, aggregation of object imaging and simulation of water circulation.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 459-470
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Nowa metoda modelowania powierzchni terenu dla potrzeb analiz i symulacji przestrzennych
A new method for terrain surface modeling for spatial analyses and simulations
Autorzy:
Wyczałek, I.
Powiązania:
https://bibliotekanauki.pl/articles/129562.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
automaty komórkowe
modelowanie przestrzenne
symulacje przestrzenne
cellular automata
spatial modeling
spatial simulations
Opis:
W pracy przedstawiono ideę i podstawy teoretyczne nowej metody modelowania terenu w oparciu o rozproszone punkty pomiarowe. Metoda wykorzystuje Interaktywne Automaty Komórkowe (IAK) jako narzędzie do sterowania procesem modelowania i wygładzania powierzchni. Pokazano wyniki modelowania wykonanego za pomocą programu realizującego omawianą metodę.
The paper presents the concept and theoretical basis of a new method of terrain modeling based on scattered sampling points. The method uses the Interactive Cellular Automata (ICA) as a tool for control of the modeling process and smoothing the surface. The results of modeling a sample terrain by a program implementing the described method are presented.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 447-457
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie decyzyjnych automatów komórkowych w klasyfikacji wysokorozdzielczych obrazów satelitarnych
The use of decision-making cellular automata in the classification of remote sensing images
Autorzy:
Wyczałek, I.
Powiązania:
https://bibliotekanauki.pl/articles/130454.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
klasyfikacja
segmentacja
metoda gęstościowa
automat komórkowy
classification
segmentation
consistence assessment method
cellular automata
Opis:
Klasyfikacja jest jednym z najczęściej stosowanych sposobów określania pokrycia terenów w teledetekcji. Metody stosowane w podejściu klasycznym są w dużym stopniu nieskuteczne i wymagają działań wspomagających, takich jak wstępna segmentacja, uwzględnianie dodatkowych parametrów lub zależności, stosowanie metod rozpoznawania wzorów, sztucznej inteligencji, sieci neuronowych itp. Rozwijane są też metody obiektowe, bazujące na różnorodnych relacjach między zbiorami hierarchicznie uporządkowanych segmentów o zbliżonych cechach radiometrycznych. W pracy zaproponowano podejście, w którym grupowane są wyniki klasyfikacji nienadzorowanej w oparciu o analizę gęstości. Metoda gęstościowa w wersji opracowanej na użytek niniejszej pracy uwzględnia zarówno cechy spektralne jak i relacje przestrzenne między grupami pikseli, przypisując do nowotworzonych klas zarówno piksele klasy dominującej, jak i nielicznie występujące na danym obszarze piksele pozostałych klas. Jako narzędzie informatyczne służące rozwiązaniu powyższej idei wykorzystano automat komórkowy wyposażony w mechanizmy decyzyjne. Proces grupowania klas ma charakter iteracyjny, sterowany za pomocą specyficznej „funkcji przejścia” o dopuszczalnych stanach zgodnych z zadanymi klasami pokrycia terenu. Decyzyjny charakter automatu wynika z typowej dla metod podejmowania decyzji postaci funkcji kryterialnej, a także charakterystycznego zestawu jej parametrów – czynników decyzyjnych i ograniczeń. Przedstawione podejście zweryfikowano na przykładzie praktycznym polegającym na wskazaniu terenów pokrytych zielenią wysoką na 4-kanałowym obrazie QuickBird, wyostrzonym metodą PanSharpeningu. W tym celu wybrano trzy fragmenty sceny obejmujące tereny zieleni miejskiej o różnym przeznaczeniu. Uzyskano wysoką dokładność selekcji szukanej klasy pokrycia terenu. Metoda będzie rozwijana w kierunku powiązania z wektorową informacją bazodanową.
Classification is one of the most often used methods for land cover detection in remote sensing applications. The classic approach is not always efficient and needs using various additional criteria or methods such as segmentation, pattern recognition, artificial intelligence, neural networks and so on. In this paper, a new approach based on density-based clustering is presented using a method dealing with previously-classified images. The decision-making Cellular Automata has been proposed as a tool for solving this task. The iterative process of clustering has been driven by a specific transition rule of CA, with an earlier established set of states. The decision-making nature of AK arises from a criterion function typical for decision making methods, and the set of their factors and constraints. The proposed method lies in multiplied crossing of the classified image (K-means method) by Automata at a certain shape. The task aggregate classes fulfilling defined criteria concerning density of existence, and its iterative form serves to bridge gaps and eliminate dispersed pixels which don’t fulfill the threshold values of the used criterion. The approach presented here has been verified on the example aimed at showing trees on 4-canal pan-sharpened multispectral QuickBird imagery. Three parts of a scene of enclosed urban green areas of various destinations have been chosen. Selected phases of clustering are shown in images 3, 4 and 5 containing a decreased number of tall trees. An assessment of the results shows the great potential capabilities of the method and is expected to be useful in further change detection of land cover.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 577-586
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies