室内POI显著度评价的Fisher判别法模型

随着社会经济的快速发展,大型建筑物内部结构越来越复杂,室内空间的位置服务愈显重要。地标作为室内空间中的基础要素,能够帮助人们在室内认清方向和定位。但是,现有的室内地标的选取方式大多牵引于室外准则,未考虑室内POI独有的特点,导致所选取出的地标与用户的认知不匹配。针对这一问题,本文在室内空间POI显著度影响因素探究试验基础上,采用Fisher判别法(FDA)对试验数据进行语义信息量化、构建模型、模型回判和交叉互判处理,确定了室内POI显著度评价模型,并用于室内地标的提取。结果表明,建立的判别模型对室内POI显著度的判别和分级效果显著,选取出的地标能够与用户认知结果相一致。     

基于InSAR监测和PSO-SVR模型的高填方区沉降预测

基于小基线集干涉测量技术（small baseline subsets interferometric synthetic aperture radar, SBAS-InSAR）和机器学习知识对高填方区域进行地表沉降监测及预测,对工程项目的施工、检修、运营等工作都具有重要的指导意义。文章以重庆东港集装箱码头为研究对象,选取2018—2019年覆盖研究区的31景Sentinel-1A数据,利用SBAS-InSAR技术获取该区域的地表沉降数据,并进行内外精度评定;通过信息量模型分析地表沉降易发地地势特点,选择预测点位;通过灰色关联分析计算动态影响因素与沉降量之间的灰色关联度,使用主成分分析法从影响因素中提取出主成分,构建训练集和测试集,通过粒子群算法-支持向量机法（particle swarm optimization-support vector regression, PSO-SVR）预测模型对测试集数据进行预测。为验证该模型在高填方区域沉降预测的可靠性和优异性,将自回归差分整合移动平均模型（autoregressive integrated moving average model,...