结合多级阈值与SOM的土地利用规划碎图斑识别

针对土地利用规划地图数据更新过程中因地块调入调出产生的碎图斑的识别问题,该文在深入分析样本数据特征的基础上提出一种结合多级阈值与 自组织特征映射(SOM)神经网络的碎图斑识别方法.首先通过面积和最大内角阈值排除不符合碎图斑特征的多边形;再将矩形度、圆形度、最小内角以及延展度作为特征向量输入训练好的SOM聚类模型,基于多边形特征相似性识别碎图斑,较好地弥补了 目前制图实践中大量采用的统一面积阈值法指标选取单一、主观性强的不足,实现了碎图斑的准确识别.以福州市长乐区和福清市土地利用规划调整建设用地管制区数据为样本的验证实验表明,该文方法的识别精度与稳定性(针对不同区域数据的适应性)均优于目前制图实践中大量采用的统一面积阈值法.     

深度学习支持下的宅基地复垦项目真实性智能审查技术研究与应用

全域综合整治背景下的宅基地复垦项目审查是保证复垦项目合法性合规性的有效手段,针对当前宅基地复垦项目审查效率低的问题,本文提出了基于遥感影像的农村宅基地复垦项目立项真实性审查方法。首先以重庆市农村宅基地复垦项目为例,建立宅基地复垦项目立项真实性审查模型,利用改进的U-Net模型准确提取建筑物,然后与复垦红线叠加实现复垦项目真实性的智能审查。试验结果表明,该方法能够快速准确地审查复垦项目真实性,对优化土地结构、促进土地流转、实现乡村振兴具有重要意义,可为全域综合整治背景下宅基地复垦项目真实性审查提供技术参考。     

基于改进DeepLabV3+算法的遥感影像建筑物变化检测

变化检测是遥感测绘领域的重要任务,作为执法依据,在耕地非农化等场景监测中发挥重大作用。近年来,使用人工智能相关技术进行变化检测,常见的技术方案为叠加两期影像,再使用语义分割算法求解变化区域。本文使用变化检测数据集LEVIR-CD作为试验数据,在DeepLabV3+算法基础上,针对变化检测场景特点,对模型结构进行改进。以DeepLabV3+的孪生网络为主干,使用多层级特征交互操作,充分融合图像特征。结果表明,改进的网络结构更加适合变化检测任务场景。     

融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例

针对城市道路网变形监测存在的高分辨率影像获取难、道路人工提取效率低、传统变形监测工作量大等难题,本文提出了一种基于融合Deep-ResUnet和PS-InSAR的城市道路网形变监测方法。主要思路为：首先对目标区的哨兵-1A(Sentinel-1A)影像数据进行伪彩色变换建立道路数据集;然后训练深度残差网络(Deep-ResUnet)模型并对道路网栅格进行提取;最后利用永久散射体干涉测量(PS-InSAR)技术获取PS点形变信息与道路网栅格融合。研究结果表明,Sentinel-1A影像经过伪彩色处理后,能提高城市道路网提取的完整性,交并比提高6%～9%,道路提取精度平均提高10%左右,得到的城市道路网形变信息专题图能为城市道路变形监测和健康状况评估提供科学依据。     

几何特征与神经网络联合优化的室内三维点云语义分割方法

室内三维点云数据精准语义分割是实现深层次室内空间应用的基础。针对现有三维点云数据语义分割方法存在目标不完整和不一致的问题,本文提出了一种几何特征与深度神经网络联合优化的室内三维点云语义分割方法。该方法首先利用深度学习实现室内结构信息语义标签的初步提取,然后利用几何与颜色特征的点云分割方法对原始数据进行精确分割,最后利用概率模型将深度学习语义分割结果与几何分割结果进行交叉融合,实现语义分割结果的联合优化。基于开放数据集对本文提出的分割方法进行了精度和有效性验证,分别采用室内场景简单到复杂的三组室内点云数据进行了测试,试验结果表明,本文提出的方法能够有效提升室内三维点云语义分割精度。     

时空和语义结合的船舶轨迹数据压缩方法EI北大核心CSCD

大数据时代积累了覆盖范围广、时效性强的船舶轨迹数据。对海量冗余轨迹数据进行压缩,可提高检索效率,降低数据存储和传输负担;然而现有方法容易忽略移动对象的运动特征。因此,本文提出一种顾及轨迹时空特征和航行语义特征的压缩方法。首先,分析船舶轨迹的空间、时间和语义特征,设计顾及时空语义特征的轨迹数据压缩流程;其次,通过道格拉斯-普克和滑动窗口法计算轨迹点的时空和语义特征值;然后,加权融合轨迹点的时空和语义特征,构建轨迹点的重要性排序,并通过指定压缩比例获取保留轨迹点数目,实现船舶轨迹数据压缩;最后,根据压缩算法效率、质量和实例分析,表明本文方法可保留行驶的动态语义信息和时空形态特征,既可根据压缩比例控制压缩过程,又可显著减少数据冗余,为后续轨迹挖掘等应用提供数据基础。     

我国两版《义务教育地理课程标准》的内容要求比较——基于语义分析的视角

比较《义务教育地理课程标准（2011年版）》和《义务教育地理课程标准（2022年版）》的内容要求对今后初中地理新课程的实施有重要意义。本文基于语义分析的视角,对两版课程标准内容要求的语义要素进行了数量统计和内容比较,从整体上分析了课标内容要求的变化对今后教学走向的启发;对两版课程标准在相同学习主题下调整较大的内容要求进行了语义要素的数量统计和内容比较,具体分析课标内容要求的变化对今后教学走向的启发。     

浅析语义模糊与语用模糊

国内学者何自然关于语用含糊的论述开启了我国模糊语言学的研究。多年来学术界也不乏对语用模糊和语义模糊的对比研究。本文在俞东明,李秋梅,林波等学者基础上,旨在对语义模糊和语用模糊的概念,产生的根源及它们的区分方法作进一步的论述。     

基于空间自相关的支持向量机空间聚类研究

经济统计信息多包含多维度的属性,在研究数据内在结构时,需要采用降维方法将多维信息转换到三维以内的空间以实现多维信息可视化和聚类。支持向量机(Support Vector Machine,SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势,但SVM是一种监督分类方法,需要已知样本集来训练分类过程。由于高维经济统计数据中往往缺少已知聚类中心,从其他方法的聚类结果选择小样本集作为聚类中心具有很大的主观性;空间自相关分析能揭示出高空间聚集区域和随机离散区域,并能分析出各区域的空间聚集模式,这为已知小样本的选择提供了可行的方法。该文以四川2007年统计年鉴的经济数据为例,通过主成分分析法和非线性映射法进行聚类,将各类中心和空间自相关分析揭示的高空间聚集目标作为已知样本集导入SVM,得到的结论是:采集于主成分分析法和非线性映射法的两个不同已知样本集的SVM分类结果之间的差异较大,已知样本集的选择具有很大主观性;空间自相关分析结果能大量减少特征样本集的数目,这不仅简化了SVM算法分类过程,并且结果也能准确反映四川发展实际情况。     

基于参数切换混沌有序索引的图像行列置乱加密算法

为了提高加密算法的性能,设计一种基于改进型参数切换混沌的图像加密算法。首先根据符号逻辑映射序列自适应选择正弦、余弦或帐篷映射生成参数切换混沌随机序列。选取与行数、列数等长的混沌序列排序生成混沌有序索引值作为行列置乱索引,依次对图像按行、列进行置乱,将剩余混沌序列扩展后与置乱的图像像素按比特进行异或加密得到加密图像,提高密钥空间。实验结果表明,该算法的密钥空间较大,能够较好地抵抗攻击。