排序方式: 共有63条查询结果,搜索用时 15 毫秒
21.
22.
机载LiDAR技术为探测建筑物提供了大量三维点云坐标.为了能从植被中有效识别建筑物面域,首先利用渐进式TIN加密法识别非地面点云,经过移除低于地面3 m的点云和孤立点云后生成菲地面点云的二值化格网,依据自定义的分割算子打断建筑物和植被间的可能连接;然后通过区域生成算法以高差阈值来聚类二者的面域,并使用大坡度密度阈值来提取建筑物的面域;最后使用形态学闭算子填充面域孔洞并平滑其边缘.选取3个典型的复杂城市区域进行测试,结果显示,各区域的提取质量与完成率均高于91%,表明该算法能够达到自动识别建筑物的目的. 相似文献
23.
24.
定量遥感是遥感科学与技术专业的核心必修课程之一,其涉及内容广泛、基础模型复杂、核心算法众多,采用何种有效教学方法才能顺利完成本科教学目标与要求,成为目前教学过程中的重点和难点。本文提出了一套“知识转化率模型”的教学方法,认为单位学时内学生习得的知识量为教师输出量、学生接受量及学生知识转化率三者的乘积,只有每一单项均达到最优,最终的教学效果才能达到最优。文中详细列举了典型的具体教学措施,以促使“知识转化率模型”中每个单项达到最优化状态。结合“遥感地表温度与植被盖度空间”模型这一定量遥感知识点,阐述了上述教学方法的应用实践。本文研究有助于提升遥感科学与技术专业的教学质量与人才培养水平,也可为其他相关课程的教学提供参考。 相似文献
25.
?????????LiDAR?????з??????????????????y????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????Χ??????????????????????????С?????????????????????????С???????????3???????????????????????????????Ч??????????????????????????????????92%?? 相似文献
26.
????GM(1,1)???????????????????о????????????????x(1)(1)??x(1)(n)??????????GM(1,1)??????????????????x(1)(1)??x(1)(n)?GM(1,1)????????????·???????x(1)(t)?????????????????1-AGO???е???????????С?????????????????????????????????????????????????????????????????з?????????????????????????????÷?Χ?????????????????????????????????????GM(1,1)????????????????????GM(1,1)???? 相似文献
27.
为了在较少地类的基础上,深入研究土地利用变化过程,可把较多的地类合并成较少的具有重要变化特征的地类.本文运用基于行为聚类的方法,将净增加和净增加的地类合并或净减少和净减少的地类合并,但不能将净增加和净减少的地类合并.主要分为3个阶段实现:第1个阶段是完全不变阶段,聚类结果是形成综合的完全不变地类;第2个阶段是完全减少和完全增加阶段,该阶段将完全减少地类和完全增加地类分别进行合并;第3个阶段是转变阶段,该阶段计算了每一对有相同净变化方向地类的相互转变信息.基于行为聚类的算法在每一步的计算过程中都会保留净变化面积为常数,转变变化面积保留最大化.本文对3个聚类原则进行了数学证明,定义了6种聚类行为,以云南省土地利用分类体系为例,从面积变化和强度变化2个角度阐述了行为聚类方法的可行性和优势性.最后,与刘纪远等建立的土地利用遥感监测分类系统进行比较,结果表明:行为聚类算法聚类到9种类型时,类型总变化面积达到5.10%,比原始类型的总变化面积下降了0.06%;而基于遥感监测分类系统的6个一级分类将总变化减少至4.7%,与聚类算法比较,总变化面积减少了0.4%.实践证明,行为聚类的算法可更好地保留土地利用动态变化信息,证明了该聚类方法的有效性. 相似文献
28.
非线性几何场论在开采沉陷预测中的应用 总被引:5,自引:0,他引:5
以拖带坐标描述法和S-R分解定理的非线性几何场论为基础,分析了初始位形主断面上倾斜、曲率和水平变形计算公式的不合理性,建立了实时位形上的计算公式;利用平均整旋角概念和裂纹产生与扩张的几何准则,建立了确定实时位形上,水下采煤导水裂隙带高度的方法。与经典断裂判据相比,该方法计算简单,应用方便。 相似文献
29.
30.
为提高矿山边坡地表变形预测模型的精度,从矿山边坡地表变形影响因素角度考虑,建立了基于粒子群优化(PSO)极限学习机(ELM)的矿山边坡地表变形预测模型。结合经典的粒子群优化算法和极限学习机方法,提出矿山边坡地表变形影响因素同地表变形数值之间的耦合关系;采用中煤平朔安家岭露天矿区矿山边坡地表变形及影响变形因素的采集数据,应用ELM建立预测模型,并应用PSO对ELM预测模型的输入层与隐含层的连接权值、隐含层阈值进行优化,以提高其预测精度。研究表明,经过PSO的优化,将预测模型的最大相对误差(4.705×10-8)、均方误差(6.243×10-5)及均方根误差(0.008)等预测误差参数分别降低到1.516×10-8,1.158×10-5和0.003,说明PSO-ELM预测模型具有更高的预测精度,该预测模型可在后续研究中进一步应用于矿山边坡地表变形预测中,以期提升矿山生产安全。 相似文献