从摄影测量到计算机视觉

首先回顾了摄影测量的历史,从透视几何、成像设备、摄影平台、测量法和测量工具等4个方面较系统地总结了前人的贡献。其次,简要介绍了计算机视觉的起源,并从几何角度分析了计算机视觉与摄影测量之间的紧密联系,探讨了两者在实用上的一些区别。再次,从语义方面,分析了遥感学科的发展,与机器学习和计算机视觉之间的关系,以及目前深度学习和连接主义的盛行。最后,展望了摄影测量的未来,指出与计算机视觉、人工智能等学科的进一步交叉融合是摄影测量发展的必然之路。     

考虑线状环境因子适宜性和不同机器学习模型的滑坡易发性预测建模规律

对于滑坡易发性预测中的水系、公路和断层等线状环境因子, 现有研究大多采用缓冲分析提取距离线状因子的距离。但缓冲分析得到的线距离属于离散型变量, 带有大小不等的随机波动性且对点或线要素的误差较为敏感, 导致滑坡易发性建模精度下降。提出了使用水系和公路的空间密度等连续型变量改进线状环境因子的适宜性。以江西省安远县为例, 选取高程、地形起伏度、距水系和公路距离等14个环境因子(原始因子), 再将距水系和公路距离2个线状因子改进为水系密度和公路密度(改进因子); 之后采用逻辑回归、多层感知器、支持向量机和C5.0决策树等机器学习模型, 分别构建了基于原始因子和改进因子的机器学习模型以预测滑坡易发性; 最后利用ROC曲线和易发性指数分布特征等来研究建模规律。结果表明: ①改进因子机器学习预测精度均高于原始因子机器学习模型, 表明空间密度对于易发性预测的适宜性更好; ②在4类机器学习模型中C5.0模型对于滑坡易发性预测性能最好, 其次是SVM、MLP和LR; ③水系和公路两类环境因子的重要性较高且使用改进因子机器学习后这两类环境因子重要性排名依然非常靠前。      

基于增强CT纹理分析联合机器学习鉴别腮腺腺淋巴瘤与混合瘤

目的：探究基于增强CT纹理分析技术联合机器学习在腮腺腺淋巴瘤与混合瘤鉴别中的应用。方法：回顾性分析40例于本院手术并有完整病理资料的腮腺腺淋巴瘤与混合瘤患者,其中腺淋巴瘤组21例,混合瘤组19例。运用Mazda软件在增强CT静脉期图像上手动勾画病灶最大层面ROI区;应用Fisher系数、POE+ACC、MI及三者联合应用（FPM）的方法,筛选出最佳纹理参数,通过ROC曲线评估其诊断效能;最后采用RDA、PCA和LDA、NDA四种机器学习算法进行分类分析,并分析不同算法的诊断效能。结果：纹理特征参数中腺淋巴瘤组的WavEnHH＿s-4、GrVariance、45dgr＿Fraction低于混合瘤组,WavEnLL＿s-4、GrSkewness高于混合瘤组,且均在组间有统计学意义。ROC曲线显示WavEnLL＿s-4的敏感性与特异性较为平衡,AUC值、敏感性、特异性分别为0.797、84.2%、76.2%,具有良好诊断效能;RDA、PCA、LDA、NDA算法的误判率范围分别为30.0%～37.5%、30.0%～37.5%、7.5%～37.5%、5.0%～12.5%,其中误判率最低的是FPM...     

基于CCTA的血流储备分数临床应用进展

近年来基于冠状动脉CT血管成像衍生的无创血流储备分数（FFR_CT）是心血管成像的一项重大进步,血流储备分数能够识别病变特异性缺血,并为血运重建的临床决策提供信息,充当有创性冠状动脉造影（ICA）的把关人。本文旨在综述FFR_CT的研究进展,并简要探讨存在的局限性。      

基于迁移学习的地球物理测井储层参数预测方法研究

随着大数据和机器学习的成熟和推广应用,人工神经网络在地球物理测井预测储层参数中得到重视.本文引入迁移学习进行测井储层参数预测,以孔隙度预测神经网络模型和孔隙度含水饱和度联合预测神经网络模型为基础模型,分别以渗透率及含水饱和度预测作为目标任务进行迁移学习,以提升储层参数预测效果和效率.文中详细阐述了基于迁移学习的测井储层...     

软件模块故障倾向预测方法研究

研究了在区分故障严重程度下的软件模块故障倾向预测方法,将故障分为高严重程度和低严重程度两种类型,用统计分析和机器学习方法分析静态代码度量与故障倾向之间的关系。以公开和私有两种类型的失效数据集作为实验数据,分析发现,故障的严重程度影响预测性能,预测不同严重程度的故障需要选择不同的度量和分类模型,预测低严重程度故障的性能好于预测高严重程度故障的性能。     

基于神经网络的半接双星测光解轨方法

半接双星(semi-detached binary)对于研究相互作用双星的形成和演化有着重要意义。随着大规模时域巡天时代的到来,预计将发现大量此类天体。针对海量的时域观测数据,需要一种快捷的建模工具对半接双星开展自动化光变曲线分析。基于神经网络构建了半接双星快速测光解轨模型。该模型根据光变曲线和已知的主星温度对半接双星的轨道进行建模,获得其轨道倾角、相对半径、质量比和温度比4个基本参数。结果表明,半接双星神经网络解轨模型能够快速地对一条光变曲线建模。在测光误差小于光变曲线振幅1%时,模型对于轨道倾角接近90^°、温度比约为0.6、光变振幅为1.84 mag的半接双星的轨道倾角、相对半径、质量比和温度比的测量误差分别为1.251, 0.004, 0.008和0.003。另外,模型应用在开普勒(Kepler)卫星实测光变曲线的结果表明,模型能够较为准确地对脉动食双星的光变曲线进行建模(拟合度可达0.9以上)。此外,该模型作为一个通用工具可以迁移到不同测光巡天项目上。     

梅雨降水季节预测的多方法比较

基于1961—2000年逐月降水观测资料和全球大气再分析资料,分析了6—7月长江中下游(108°～123°E,27°～33°N)梅雨的时空分布特征。通过观测诊断和数值试验确定了影响梅雨异常偏多的3个前期因子:4—5月平均的西北太平洋海平面气压正异常;3月至5月北大西洋海平面气压负变压倾向;1月至4月西伯利亚的2 m温度负倾向。利用这3个具有物理意义的影响因子构建了梅雨季节预测模型,该模型在训练期(1961—2000年)和独立预测期(2001—2022年)均具有显著的预测技巧(相关系数分别为0.79和0.77,均方根误差分别为0.59和0.68)。同时,基于相似的潜在预测因子,对比了利用偏最小二乘回归方法和5种机器学习方法(随机森林、轻量级梯度提升机、自适应提升、类别型特征提升、极端梯度提升)建立的预测模型的技巧。虽然训练期(1961—2000年)偏最小二乘回归和机器学习建模拟合效果更高,但在独立预测期(2001—2022年)上述模型的预测技巧显著降低(相关系数均低于0.44,均方根误差均大于0.93),出现了明显的过拟合问题。本研究强调梅雨的短期气候预测应建立在物理机制基础之上,而使用机器学习方法需谨慎。     

人类移动数据生成方法：研究进展与趋势探讨

人类移动行为与交通、传染病、安全应急等现实应用息息相关。尽管现代信息和通信技术发展使得采集大规模个体移动定位数据成为易事,但涉及个人隐私又存在冗余、缺失和噪声的原始轨迹数据在实际中的可得性和易用性仍有很大局限。通过建模方式生成个体轨迹数据和群体移动数据,使其在统计层面接近并在应用层面可替代真实数据,是值得尝试的解决思路。本文面向个体轨迹数据生成和群体移动数据生成两大研究主题,将生成方法分为基于机理模型的方法和基于机器学习的方法,对其研究进展进行了系统总结,并探讨了其发展趋势和所面临的挑战。本文提出,未来人类移动数据生成方法研究需要多学科深度交叉共同探索人类移动行为底层机制、关注机理模型与机器学习耦合建模、借助生成式人工智能与大语言模型前沿技术、平衡生成数据可用性与隐私保护效果、强调空间泛化与迁移学习能力、控制模型训练与使用成本等。本文认为,人类移动过程是典型的人地交互过程,地理信息科学应在吸纳计算机科学、统计物理学、复杂性科学等多学科理论方法的基础上,充分发挥本学科特色,将空间依赖、距离衰减、空间异质性、尺度等地理空间效应显式纳入建模过程,提升模型性能及合理性。     

长江中下游湖泊群不同生活型水生植物分布的时空变化(1986—2020年)

不同生活型水生植物对水环境的影响和碳固持能力不同,开展大尺度范围内不同生活型水生植物的时空分布和动态变化研究,是全面掌握湖泊水生态环境变化趋势、准确核算水生生态系统碳源/碳汇的前提。以长江中下游10 km²以上(共131个)的湖泊为研究对象,基于野外调查和先验知识,通过光谱分析,研发了不同生活型水生植物遥感高精度机器学习识别算法,解析了长江中下游湖泊群不同生活型水生植物的时空变化规律。研究表明,长江中下游湖泊群不同生活型水生植物遥感监测精度为0.81,Kappa系数为0.74;1986—2020年长江中下游湖泊群水生植物面积为2541.58~4571.42 km²,占湖泊总面积的15.99%~28.77%,沉水植物是优势类型(Max_1995年=2649.21 km²,Min_2005年=921.38 km²),其次是挺水植物(Max_2005年=1779.44 km²,Min_2020年=569.05 km²)和浮叶植物(Max_2015年=685.68 km²,Min_2000年=293.04 km²);水生植物主要分布在长江干流流域湖泊群,其次是鄱阳湖流域、洞庭湖流域、太湖流域和汉江流域;变化趋势上,1986—2020年长江中下游湖泊群水生植物面积呈现先增长(1986—1995年)、后下降(1995—2010年)、再增加(2010年后)的趋势。本研究可为长江中下游湖泊群生态环境调查及水环境管理提供重要参考。