工程化数字地貌自动晕渲系统的设计与实现

以工程应用为目标,设计并实现一个轻便实用、灵活而高性能的地貌自动晕渲系统。在实现该系统时,采用沿地形的走向进行三角面剖分和计算平均法向量的方法,使得制作的地貌晕渲图不仅能准确表达地形,而且具有较好的图面效果。同时提出并使用实现海量数据快速自动晕渲的方法和实现地理要素与地貌晕渲图高精度自动叠加的方法。实践证明,该系统基本弥补了已有系统的不足,能满足大规模数字地图生产制作的需要。     

基于本体的异构空间数据的集成研究

在综合国内外地理信息学术界有关本体理论、方法和应用研究的基础上,改进了基于本体的空间数据集成框架,并进行了试验说明。     

街景影像——基于人工智能的方法与应用

街景影像是感知城市物质环境的一种新型地理大数据。这种数据以人的视角详尽描绘了城市的可视环境,同时也隐性地表达了可视环境背后有关城市功能、社会经济和人类活动的信息。然而,传统的数字图像处理技术对街景影像的处理能力有限,不能高效地理解其中的语义信息。近年来,随着人工智能领域的不断发展,图像分析和机器学习方法取得了突破性的进展。以深度学习和计算机视觉为代表的前沿人工智能技术,为挖掘街景语义信息、理解和定量表达场所物质空间、建成环境的特征提供了强有力的支持。在此背景下,街景影像被广泛应用于地理学、城市规划等众多领域,并在此过程中出现了大量的新方法和新视角,为基于大数据的城市环境研究、人地关系研究、空间数据挖掘与知识发现研究提供了新的思路。本文综述了基于街景影像和人工智能技术的相关研究,从深度学习和计算机视觉两个方面对街景影像分析的支撑技术进行了梳理,并从场所物质空间量化、场所感知以及场所语义推测3个方面对街景影像研究的应用方向进行了总结,对其在发展过程中面临的数据稀疏性问题、分析方法的严谨性问题进行了归纳,同时讨论了未来研究的方向。     

基于倾斜摄影三维模型纹理自动获取及映射研究

本文针对大规模三维城市建模表面纹理信息的需求,提出了采用倾斜摄影技术获取建筑物纹理信息,并进行纹理贴图的自动提取与映射的方法。经过试验得出结论,自动的纹理获取与映射方式较地面摄影、人工后期处理等方式很大程度上提高了工作效率,节省了项目成本、减少了不必要的投入。     

全息地图建模与多重表达

针对全息地图是全息技术应用于地图学领域而产生的一种全新的概念、模型和产品,目前全息地图在概念、表现形式、产品模式等方面还没有明确的、一致认可的结论和体系,其解决方案尚有待研究的状况,该文提出了全息地图及其多重表达的方法和模式。首先建立全息地图三维嵌套(即1个大三维嵌套3个小三维)语义模型,进而研究在数学模型和自适应机制驱动下的LOD对比和对象滑动/切换等系列化展示的全息地图多重表达方法,以及自然语言、图形、图像与场景相结合的全息地图多重表达技术手段,实现先分解和降维、后聚合和升维的全息地图多重表达实现策略。希望能够起到抛砖引玉的作用,也期盼广泛开展全息地图方向的合作研究。     

面向智能驾驶视觉感知的对抗样本攻击与防御方法综述

现如今,深度学习已然成为机器学习领域最热门的研究方向之一,其在图像识别、目标检测、语音处理、问答系统等诸多领域都取得了巨大成功.然而通过附加经过特殊设计的细微扰动而构造出的对抗样本,能够破坏深度模型的原有性能,其存在使许多对安全性能指标具有极高要求的技术领域,特别是以视觉感知为主要技术优先的智能驾驶系统,面临新的威胁和挑战.因此,对对抗样本的生成攻击和主动防御研究,成为深度学习和计算机视觉领域极为重要的交叉性研究课题.本文首先简述了对抗样本的相关概念,在此基础上详细介绍了一系列典型的对抗样本攻击和防御算法.随后,列举了针对视觉感知系统的多个物理世界攻击实例,探讨了其对智能驾驶领域的潜在影响.最后,对对抗样本的攻击与防御研究进行了技术展望.     

基于属性关系深度挖掘的试题知识点标注模型

在各类在线学习系统中,为了给学生提供优质的学习资源,一个基础性的任务是对大量未标注的试题进行知识点标注.已有标注方法通常基于人工专家标注或者采用传统机器学习方法.在实际应用中,这些方法普遍存在成本过高、标注精准度不足等局限.为此,本文提出了一种基于属性关系深度挖掘的试题知识点标注模型.首先,利用句法语义模型和结构语义模型分别从试题文本和试题图形中抽取试题的显性属性关系.然后,利用蒙特卡罗树搜索构建问题求解框架,挖掘试题的隐含属性关系.最后,结合学科知识图谱,将属性关系映射到知识图谱空间,生成试题知识点.实验结果表明,所提出的方法能够有效地进行试题知识点标注,将对学生认知诊断、个性化试题推荐等具有一定的实际应用价值.     

基于自组织神经网络的污染场地多监测指标相关性分析

为查明场地污染分布特征,需对场地土壤和地下水进行钻探取样,按规范的检测指标进行逐一测试。在初查和详查阶段将获得大量的土壤和地下水污染数据,数据样本数量大、监测指标多,数据结构复杂,如何从场地大数据中提取价值信息已成为研究热点。以某有机污染场地为例,基于自组织映射神经网络（SOM）和K均值算法开展大数据分析,深入探讨地下水和土壤中各污染指标间的相关性。结果表明:（1）基于自组织映射神经网络的大数据分析可快速挖掘复杂多维的污染场地监测数据,有效完成关键信息的提取;（2）地下水中污染检出指标存在显著的聚类特征,同一聚类中的污染指标具备相似的空间分布特征。对场地污染物检测采取先分类后分级的优化筛选策略,减少污染物检测指标数目,从而有效降低场地检测费用;（3）土壤和地下水中污染检出指标存在良好的空间相关性,这与该污染场地地下水渗流速度缓慢有关。土壤和地下水污染检出指标空间分布的相关性,有助于场地污染源的追溯。     

基于知识图谱的岩溶知识发现系统建设

岩溶领域通过地质调查和科学研究积累了大量的成果资源,资源之间的关联关系更加复杂,传统的关键词检索模式已不满足用户获取知识的需求。为实现知识层面的数据检索,利用数据挖掘技术进行岩溶实体抽取与关系计算,以岩溶术语为核心,基于知识图谱构建岩溶知识发现系统,实现岩溶地质成果、期刊、论文、图书、标准、项目、专家等实体的智能语义搜索和关联导航,最大化的挖掘数据的潜在价值,为用户提供精准知识服务,提升了用户体验。      

融合边缘特征与语义信息的人工坑塘精准提取方法

针对高空间分辨率遥感影像目标提取中定位精度低、边缘粗糙等问题,提出一种融合目标边缘特征与语义信息的人工坑塘提取网络模型。方法首先利用改进的U-Net语义分割网络模块来提取遥感影像中丰富的目标语义信息,然后拓展上述语义分割网络构建边缘提取子网络来获取遥感影像的多尺度边缘特征,最后借助于编码-解码子网络融合边缘特征与语义信息,实现遥感影像目标的精准提取。将该方法运用到雷州半岛复杂背景条件下人工坑塘提取实验中,实验结果中本文提出的方法在F分数以及边界F分数等评价指标上表现最优,达到97.61%与83.01%,验证了融合高层语义信息结合低层的边缘特征在提升遥感目标提取精确度上的有效性。