基于主题相关度的地理信息Web服务爬虫研究

针对通用搜索引擎对于地理信息Web服务检索存在的不足,提出了一种基于主题相关度的服务爬虫方法,利用向量空间模型表示主题特征,通过引入特征值权重的计算方法分析页面内容与主题的相关度,过滤与主题无关的页面;并利用改进的PageRank算法从URL和锚文本两方面分析链接的重要性,优化爬取队列。实验表明,该方法在服务检索效率和抓取能力上都取得了良好的效果。     

D-InSAR沉降监测与城市新增建设用地相关度研究

以3 m级Terra SAR卫星数据为例,对广西省南宁市主城区进行D-In SAR干涉测量,并结合同期土地资源全天候建设用地监测成果进行相关度分析。结果表明,主城区有两个较大的沉降漏斗,沉降趋势由城区向郊区减缓,一定程度上表明该地区的沉降并非自然地壳运动形成。进一步研究表明,高沉降漏斗区域的地下水开采及矿产开采较为严重,并且建设用地与沉降结果整体相关系数达到了0.78,建设密集区域均伴随着不同程度的沉降。根据该区域D-In SAR沉降结果,城市建设应向高稳定性、低沉降区域进行。     

基于SFLA-GRNN模型的基坑地表最大沉降预测

为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型（SFLA-GRNN模型）。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法（SFLA）对广义回归神经网络模型（GRNN）的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。     

耦合尺度的地理实体空间相关度算法的建立与应用

传统的地理实体空间相关度算法存在适应的实体和拓扑关系类型较少、没有考虑空间尺度依赖性而导致数据区分能力差的问题。本研究提出一种能依据指定的空间尺度（本文所指“空间尺度”是指定的地理空间范围）,计算出相应的地理实体空间相关度的算法。该算法以地理学第一定律和Egenhofer关于空间相关度的论述为理论依据,分析点、线、面实体的拓扑关系和度量关系而建立不同的相关度计算公式。通过对比分析,本算法不仅能计算出不同类型和不同拓扑关系下的地理实体间相关度,而且计算结果随着空间尺度的变化而改变,与人类通常的认知相符合。最后,以地理空间数据检索为例,介绍了本算法的应用。与传统的关键词匹配检索方法相比,应用本算法能提高数据检索的F1-measure值,并且能对文档按照与检索词的相关度进行排序。本算法可应用于地理信息检索、数据发现、数据推荐和关联数据等领域。     

因素空间与诊断型专家系统

汪培庄教授在1982年首次提出了因素空间的理论,给出了表示“概念”的框架,为人工智能、知识表示开辟了一个新的途径。本文根据因素空间理论对模糊现象的解释,给出了模糊集隶属函数的一种简便、客观、有效的统计方法。本文还相应地给出了因素对概念的相关度及充分度的定义;作为这些内容的一个实际应用,本文提出了诊断型专家系统的一个简便、实用的改进模型。     

山西带基于地震对应相关谱的多参数综合方法的应用研究

应用基于地震对应相关谱的多参数滑动极值相关度方法对山西地震带及邻区进行时间和空间扫描计算,定量识别和提取该区中强地震前的综合异常时空特征。时间扫描结果显示绝大多数目标地震前均有高值异常出现;空间扫描结果表明中强地震前1年左右震区及其附近区域多参数滑动极值平均概率出现高值异常现象,且异常区域逐渐扩大增强,地震多发生在异常区域内或者附近。中强地震发生后高值异常区逐渐缩小,震后1~2年异常区域基本消失;若高值异常区仍持续发展,可能是后续中强地震的异常反映。     

插补GNSS坐标时间序列的改进DINEOF算法

针对GNSS坐标时间序列插补中数据插值经验正交函数（data interpolating empirical orthogonal functions,DINEOF）算法受低相关度站点影响、连续长空缺插值效果欠佳的问题,提出相关数据插值经验正交函数（coefficient data interpolating empirical orthogonal functions,CDINEOF）算法。首先计算目标站点与其周围站点数据的相关度,然后筛选出相关度较高的数据构建观测矩阵,最后采用DINEOF算法对观测矩阵中的缺失数据进行插补。通过模拟数据和实测数据验证新方法的可行性,并与DINEOF算法和多项式插值法的结果进行对比分析。模拟数据实验结果表明,当观测数据存在连续长空缺时,CDINEOF算法的插值效果优于DINEOF算法和多项式插值法。实测数据实验结果表明,CDINEOF算法在保留方差最大化方面效果最好,与DINEOF算法和多项式插值法相比分别提升了11.8%和6.7%。     

最小光谱相关约束NMF的高光谱遥感图像混合像元分解

提出了一种最小化光谱相关度约束的非负矩阵分解方法。该方法根据高光谱遥感图像中端元之间具有不相关性这一特点,提出了一种光谱相关度函数。该函数度量光谱之间的相关程度,函数值越小,光谱间的相关度越小。通过联合最小化光谱相关度函数和非负矩阵分解误差函数,使获得的光谱之间具有最小的相关性,从而获得端元光谱以及组分图。模拟实验和真实实验证明了算法的有效性。