PDCA循环法用于专业硕士产教融合培养模式研究

为满足新时代对卓越工程技术人才的需求,本文在分析专业硕士培养现状基础上,从人才培养方案入手,提出了PDCA理念用于产教深度融合培养模式,讨论了产教深度融合培养的目标制定、计划落实、课程体系开发、导师团队优化及实践基地的质量保障建设等方面的模式与对策,论述了专业硕士研究生培养的质量监控体系,总结出教育教学各环节的计划、执...     

北斗混合星座分层约束下的精密定轨方法

针对北斗导航卫星系统首创的GEO+IGSO+MEO混合星座设计,本文研究了根据不同星座,采取不同约束条件和数据处理策略的北斗卫星精密定轨方法,提出了一种针对北斗系统混合星座的分层约束精密定轨方案.该方案首先将北斗卫星分为非GEO(IGSO/MEO)和GEO两部分进行解算,利用GPS解算的公共参数对北斗IGSO/MEO精...     

居民出行与轨迹行为交互模式挖掘与关联技术

出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息.原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律.通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据.本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息...     

建筑群组合直线模式识别的模板匹配方法

建筑群空间分布模式识别对制图综合、多尺度表达及空间数据挖掘具有重要意义.针对局部异质性明显的建筑群直线模式识别提取问题,本文提出基于模板匹配的建筑群组合直线模式识别方法.首先分析研究组合直线模式的认知特征和定义;然后,利用建筑物的空间邻近性、尺寸和方向约束进行聚类,获得建筑物间的空间邻近关系和扩展对齐关系;以放大的建筑...     

顾及共享交换的行业地理空间数据关联模式

在数字城市、"多规合一"、大数据建设推动下,政府管理部门和行业部门对地理空间数据共享有强烈需求.然而,其行业特殊性导致行业部门所拥有的数据无法进行有效融合与交换,数据共享成本大.以不改变行业原有的数据规范,实现行业之间地理空间数据的及时有效共享与交换为目标,通过分析行业地理空间数据特征,提炼数据的关联特征,认知并结构化...     

像元交换在村镇地表超分辨率制图中的应用

村镇区域进行遥感制图受到数据条件的明显制约,主要表现为不易获取适宜的高分辨率影像,而可获取性强的低分辨率影像由于混合像元现象严重难以直接应用于较精细的制图解析中。对此,本文尝试将一种改进的软信息规整方法结合基于像元交换的超分辨率制图方法用于低分辨率影像制图中,以弥补高分辨率遥感数据的不足。从研究区真实遥感影像开展方法的可行性验证,并分析该方法在村镇地表制图中的适宜性,探讨混合像元分解技术对村镇地表超分辨率制图结果的影响。结果显示：制图结果的优劣依赖于混合像元分解技术,混合像元分解结果的误差直接传递至制图结果中,但是村镇地表超分辨率制图结果明显优于传统的硬分类结果,说明本文方法能有效将低分辨率数据用于村镇制图中。     

基于混合罚函数法的多尺度电离层层析确权方法

在利用GNSS进行像素基电离层层析时,多尺度层析方法利用权重因子将反演区域不同像素层析模型结合在一起,最终得到电离层电子密度反演结果,可以有效地解决电离层层析过程中不适应问题和最终的电离层电子密度失真现象。在多尺度电离层层析中,不同像素尺度层析模型之间权重是影响最终的电离层电子密度精度的重要因素。为了获得高精度电离层层析模型,考虑到权重因子存在着等式和不等式限制条件,采用解决最优化问题的罚函数法确定不同像素尺度电离层层析模型之间的权重。通过采用实测GNSS观测数据进行电离层多尺度电离层层析,对比了多尺度层析模型的各个子模型建模精度并进行分析,同时将罚函数法获得的模型精度与其他确权方法进行了对比,该方法可以有效地应用于多尺电离层度层析,且最终的层析模型精度优于其他确权方法,更优于单尺度电离层层析模型精度。     

局部区域模型重力异常快速算法

地球重力场位系数模型可以用于计算局部重力扰动场元。然而随着地球重力场模型阶次的提高、局域重力场计算范围的增大,其计算速度往往不能满足工程需求。针对这一问题,在对位系数模型泰勒级数展开的基础上提出了采用向量运算、混合编程的方法,同时对连带勒让德函数Belikov递推方法中与经纬度无关的量进行了预先计算,有效提高了计算速度。提出的方法对于利用超高阶次重力场模型快速解算大范围、高分辨率重力场元数据以及累加求和计算具有一定的参考与借鉴意义。     

混合核特征加权SVM遥感湿地空间分类

针对湿地空间信息的复杂性和SVM的分类性能,设计一种基于混合核函数的特征加权SVM分类模型,综合利用多种特征信息,避免被弱相关特征所支配,从而提供更佳的映射性能和泛化能力。实验结果表明,该分类模型兼具良好的外推和内推能力,能够有效地融合不同信息源特征,得到更完整和准确的分类结果,在总体精度、Kappa系数等多项指标上都表现出更高的水平。