基于内容的图像自适应加网方法

提出了一种新的基于图像内容纹理分割的加网方法。试验表明，该方法能够在图像输出精度较低的情况下更有效地再现原稿的层次和细节。     

基于聚类有效性函数的面状地理实体聚类

为解决聚类数未知条件下面状地理实体的聚类问题,文中提出了一种基于聚类有效性函数的聚类方法。给出了适合面状地理实体k-中心点聚类算法的聚类有效性函数;将该有效性函数改写为适应度函数,设计了基于遗传算法的面状地理实体聚类算法。该算法在计算聚类数的同时能得到划分聚类结果。实验结果从一定程度上反映了数据集的结构信息特征。     

基于ArcObjects的公路动态分段数据的组织与实现

介绍了ArcObjects处理空间数据的相关层次结构,在动态分段思想的基础上设计了公路分段数据存储结构,提出了公路分段数据处理过程中的组织方法,并对数据合并方法进行了改进,最后设计出了数据生产过程模型和相应的数据生产软件。     

灰色聚类法在常州市第Ⅱ承压地下水水质评价中的应用

在灰色聚类方法原理的基础上，探讨了如何通过白化函数生成灰色聚类矩阵，并以常州市第Ⅱ承压地下水为例进行了水质评价，评价结果表明，常州市大部分第Ⅱ承压地下水水质优良，达到了Ⅰ类水，未遭受外来物质的污染，评价结果符合实际情况。     

数据挖掘技术在水文预报中的应用及水文预报发展趋势研究

数据挖掘作为知识发现过程中的重要步骤,是从大型数据库中提取未知的、有价值的和可操作性的关系、模式和趋势用于决策支持的过程。我国目前在防洪领域存在着大量水文数据,如何充分有效地利用各种智能算法对这些数据进行分析与挖掘,以形成相应的水文预报模型进行准确的水文预报是防洪决策支持系统完善和发展的重要方面。本文首先全面地介绍数据挖掘的功能分类及以数据挖掘为基础的水文预报体系,然后对数据挖掘技术在水文预报中的应用进行了探讨和研究。     

Road Surface Modeling and Representation from Point Cloud Based on Fuzzy Clustering

A scheme for an automatic road surface modeling from a noisy point cloud is presented. The normal vectors of the point cloud are estimated by distance-weighted fitting of local plane. Then, an automati...     

利用非线性扩散的半自动纹理图像分割

介绍了一种非线性扩散过滤器法从包含纹理的图像中获取灰度、尺度和方向信息，并形成经过耦合保边平滑的5通道向量值图像，对纹理图像的分割变为对此向量值图像的分割。针对半自动操作的特点，在合理的假设前提下，采用了多通道统计区域分割法。试验结果表明，本文的纹理分割方法能有效地利用重要纹理特征与灰度的混合信息，是一种半自动的无监督纹理图像分割方法。     

空间数据模糊聚类的有效性评价

基于模糊划分中存在的分类不确定性因素和空间数据的空间位置特征,提出了一种新的空间数据模糊聚类有效性函数。实验结果表明,这种新的有效性函数能够对模糊聚类结果的有效性进行正确的评价,特别是对于空间数据模糊聚类有效性评价,其分类效果较理想,同其他有效性指标相比,能得到较优的分类数。     

eCognition技术在高分辨率遥感影像信息提取中的应用

本文提出了面向对象的多尺度分割策略,针对不同尺度的地物信息采用不同的分割尺度,在此基础上构建多尺度分割等级网,实现了地物信息的分层提取。以北京怀柔区QuickBird遥感影像为试验区进行信息提取,给出了多尺度分割参数的设置规律,获得了较好的效果,总体精度为84．82%。     

Clustering stochastic point process model for flood risk analysis

Since the introduction into flood risk analysis, the partial duration series method has gained increasing acceptance as an appealing alternative to the annual maximum series method. However, when the base flow is low, there is clustering in the flood peak or flow volume point process. In this case, the general stochastic point process model is not suitable to risk analysis. Therefore, two types of models for flood risk analysis are derived on the basis of clustering stochastic point process theory in this paper. The most remarkable characteristic of these models is that the flood risk is considered directly within the time domain. The acceptability of different models are also discussed with the combination of the flood peak counted process in twenty years at Yichang station on the Yangtze river. The result shows that the two kinds of models are suitable ones for flood risk analysis, which are more flexible compared with the traditional flood risk models derived on the basis of annual maximum series method or the general stochastic point process theory. Received: September 29, 1997