基于区域分割合并的建筑物半自动提取方法

提出了一种遥感图像半自动提取建筑物的方法。首先通过对建筑物边缘进行折线逼近和感知编组，可以得到其顶部大体结构。然后按照“二叉树”的数据结构，利用“超线”对建筑物影像进行区域分割。最后通过对分割后的区域进行相似性的统计并按照“二叉树”记录的分割顺序进行生长合并，从而得到了屋顶的边缘，实现了对平顶直角建筑物的提取。该方法能够充分利用区域的性质进行合并，稳定精确地提取建筑物。     

基于名老中医医案的知识图谱构建

目的：尝试用知识图谱的技术将名老中医医案的知识结构及其相互关系予以形象的表现，用可视化的方式剖析中医医案中蕴含的名老中医诊疗经验。方法：基于中医药行业术语规范标准将文本形式的医案转换为符合图谱要求的结构化数据；遵循中医辨证论治理论定义图谱实体之间的相互关系；依据XML的三层模型实现系统架构；采用ECharts作为可视化工具，将中医医案知识结构化、层次化的关联予以呈现。结论：通过知识图谱将“平面化”的中医医案进行“多维度”呈现，可以清晰地梳理出临床病案中所包含的疾病、证型、治法、处方、药物之间的关系，并基于知识图谱进行渐进式的学术思想发现，可为更好地研究名老中医经验传承和临床知识总结提供新的技术手段。     

基于分段自适应算法的浅海水深遥感反演融合模型研究

对于水深光学遥感反演研究，虽然已经建立了大量的模型方法，然而对于不同水深段，同一模型的反演精度各异，且采用单一模型进行水深反演得到的整体反演精度未必最佳。为了提高水深光学遥感反演的整体精度，本文提出一种分段自适应水深反演融合模型，模型在误差估计的基础上，结合了对数线性模型、对数转换比值模型、改进的对数转换比值模型与多调节因子模型的优势。利用模型在西沙群岛东岛开展了水深遥感反演实验，从整体反演精度、不同水深段反演精度及逐米水深精度等角度进行分析，结果表明，分段自适应融合模型的整体精度最高，平均绝对误差为1.09 m，平均相对误差达到16.06%；分水深段来看，分段自适应融合模型在多数不同水深段内的反演效果均最好；从逐米精度来看，分段自适应融合模型在大部分逐米水深段的反演能力均优于其他模型。     

公众为何不想了解海洋？

2011中国海洋国民意识调查显示，公众获取海洋信息的蕖遒较少。海洋知识传播是影响公众海洋意识水平变化的重要因素；海洋知识传播系统的完善状况对提高公众的海洋意识具有重要的、直接的影响；了解一定的海洋知识是形成海洋及权益意识的基础；宣传教育是传播海洋知识的主要途径。     

基于思维进化算法优化的BP神经网络对蒸发波导高度的预测

预先掌握海上的波导高度参数对海上作战有重要意义，然而准确探测或预测波导参数十分困难。本文使用南海铁塔波导探测平台的实测数据与ERA-Interim公开数据集，提取所需相关的水文气象要素的点数据，利用NPS模型计算波导高度值，组建数据集；之后使用MEA优化的BP神经网络模型预测波导高度值。优化后的BP神经网络可避免陷入局部极小值点，预测结果有较高的准确率，且MEA在求最优个体时有比较快的收敛速度，为水平均匀的蒸发波导高度预测提供了一种方法。     

基于贝叶斯网的象山港网箱养殖水环境指标建模

贝叶斯网络具有强大的推理能力,能与先验知识和数据结合,进行定性和定量分析,提供了1条有效的处理预测问题的途径,本文首先介绍了贝叶斯网络基本理论及其特点,并讨论如何学习贝叶斯网络结构,然后由专家知识和给定数据,采用基于依赖分析的贝叶斯网络学习算法构造了海底网箱养殖水环境指标间的贝叶斯网结构模型.该模型能有效的表达网箱养殖环境各个指标之间的因果关系和影响程度,实验结果表明,试验数据显示准确性是92.3%,kappa指数是0.882.以上证明该方法是有效可行的,表明贝叶斯网络是一种很有前途的预测评价方法.     

空心方块斜坡堤整治效果试验研究

河口整治工程的实施效果与堤坝的结构型式密切相关,在河工模型上直接研究局部复杂结构对整治效果的影响有较大难度。以长江口深水航道治理二期工程北导堤NⅡC区段空心方块斜坡堤结构为个例,采用水槽试验和动床模型相结合方法,通过水槽试验确定可以在特定河工模型上使用的概化透水结构,使在模型上精确模拟局部复杂结构对整治效果的影响成为可能。研究成果认为,二期工程NⅡC区段2 600 m导堤不建对北槽出口段的整治效果有明显影响,NⅡC区段导堤高程降低1 m或采用空心方块斜坡堤透水结构对整治效果影响不大。     

知识发现在赤潮预测预警系统研究中的应用

目前大多数赤潮的预测研究工作着重在系统模型的准确性上，忽视模型所能提供的对生态系统行为的相互关系的解释的很多信息。而机器学习所获得的知识能够帮助对生态行为之间的因果关系更深入的认识。文章将知识发现技术应用于海洋检测数据之中，取得了较好的效果，这将对于赤潮预测预警系统的研究与建立起着关键的作用。     

基于贝叶斯网络的击剑训练优化

在击剑训练中,基于贝叶斯网络建立正向推理和逆向推理模型,发现训练过程和生理指标的相互关系.结合经验知识和样本数据,对该模型中网络结构的构造和网络参数的赋值方法进行详细说明.以女子重剑队的数据进行实验,并与BP神经网络方法进行性能比较.实验表明,该模型能有效的为教练员提供决策支持.     

基于机器学习的脉动源格林函数预报初探

自由面格林函数是边界元法求解海洋工程水动力学问题的基础，如何精确而快速地计算格林函数及其导数是水动力求解的难题。对无因次化表达的脉动点源格林函数计算建立的数据库，采用深度学习函数库Keras，对数据库进行学习，建立了神经网络预报模型，探讨了全局和局部学习及预报精度，研究了模型预报效率。研究表明机器学习模型预报的格林函数能够保证较高的精度，计算效率高于数值积分计算，低于解析函数为主的多项式逼近，为提高水动力问题求解效率，解决传统计算难题提供了新的思路。