排序方式： 共有65条查询结果，搜索用时 234 毫秒
41.
42.
43.
44.
45.
为改变地理语义数据长期处于零散化、小型化、实验化的状态,针对GML数据转换地理RDF数据中需要XML Schema支持以及需人工半自动化处理的问题,该文提出一种自动化、通用的GML数据到地理RDF数据的转换方法:首先通过分析GML数据模型和地理RDF数据模型在语法和语义差异,基于Xpath进行语法抽象,提出GML数据到地理RDF数据的通用转换模型;然后基于树技术给出数据转换模板;最后通过语义Web构架(Jena)进行数据转换和序列化输出。实验表明,该方法有效、通用,能够对GML数据进行正确转换,后期可以构建分布式并行转换方式,使其能够胜任大数据环境下的地理大文件转换。 相似文献
46.
47.
48.
49.
针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。 相似文献
50.