全球恐怖袭击事件时空演变与态势分析

恐怖主义具有极大的破坏性与杀伤力,已成为世界和平与安全的最大威胁之一。本文以全球恐怖主义数据库（GTD）为基础,采用伤亡人数的热点分析以及各区域事件频次的层次聚类方法,对全球恐怖主义袭击事件的时空演变特征与态势进行分析研究,探讨了2013-2017年内全球高伤亡率热点区域的空间分布与变化,并对不同地区的袭击频次进行统计并划分了事发率严重等级。研究表明：① 5年内,伤亡人数在2014年为最高达103 134人,而后逐年递减的趋势;袭击频次呈现一种锯齿状为“猖狂-治理-收敛-不治理-再次猖狂”的模式;② 中东及北非地区是恐怖主义袭击的严重区与策源地,也是高伤亡率的热点区域,平均每年伤亡人数约占全球的49%,事件发生频次约占40%,而南亚伤亡人数约占22.8%,袭击频次约31.1%,撒哈拉以南的非洲地区次之,东南亚及西欧、东欧、南美地区也为恐怖主义的暴动区域;③ 全球恐怖主义的时空演变趋势已形成以中东及北非地区以及与撒哈拉以南的非洲交界区域为爆发中心,逐渐向南亚、东南亚、西欧地区扩散的趋势,为新的恐怖主义活跃区。通过对5年内全球恐怖主义的时空演变和态势,以及造成恐怖主义发生的原因进行分析,可为反恐组织以及避免袭击事件的发生提供有效的参考和决策辅助。     

复杂环境下高分二号遥感影像的城市地表水体提取

水体指数可以抑制背景噪声和提高地表水体的可分性,已经广泛用于地表水体提取。传统FCM聚类算法考虑了地物的不确定性,但没有顾及地物的邻域空间信息,对背景异质性比较敏感。针对传统FCM聚类算法的不足,提出一种可变邻域的区域FCM聚类算法。由于复杂环境下高分二号(GF-2)遥感影像的城市地表水体具有复杂异质背景和不确定性的特点,本文利用水体指数和区域FCM聚类算法的优点,提出一种整合水体指数和区域FCM的城市地表水体自动提取算法,该算法主要步骤包括:(1)去除影像阴影后计算归一化差分水体指数NDWI(Normalized Difference Water Index);(2)区域FCM聚类算法;(3)整合水体指数和区域FCM聚类的城市地表水体自动提取算法。最后采用两景GF-2高分辨率遥感影像(广州和武汉)进行实验,验证了该算法的有效性,并与经典地表水体提取算法进行对比分析。实验结果表明:该算法具有较高的水体提取精度,城市地表水体边界既具有较好的区域完整性又保持了局部细节,同时对城市地表水体复杂背景噪声具有较好的抑制作用,有效减少传统FCM聚类算法的"胡椒盐"现象。     

步态特征提取的K均值聚类自适应判别

针对微惯性零速修正算法中步态特征的准确提取,以及步态特征的无规律性成为制约行人导航系统中步态信息提取与辨识的问题,该文提出一种基于K均值聚类自适应的行人步态特征辨别方法。分析行人步态规律并通过设定角速率阈值法对步态特征进行初判后,采用K均值聚类自适应算法设定时间阈值并将误判的步态进行纠正。为验证该算法的普适性,分别针对不同测试个体和同一个体5组不同行走速度条件下的步态特征判别实验,结果表明,本文提出的步态自适应判别方法对不同个体具有良好的适应性;为进一步验证K均值自适应步态判别算法对人员位置解算的准确性,分别开展圆形及400m跑道闭合行走实验,对比不同行走路径对应的位置误差可看出,解算位置误差虽然随行走距离增大而增加,但其相对误差均不超过2%。     

数据质量聚类算法

在聚类算法中,聚类中心决定聚类的最终结果,而传统的分割聚类算法不能准确定位聚类中心。根据数据场提出了数据质量聚类中心的新概念,给出数据质量聚类算法,能够一次定位聚类中心,无需迭代,也无需预置聚类个数。7组对比实验表明,提出的方法能够准确定位聚类中心,获得良好的聚类结果和稳定性,优于传统的分割聚类算法和峰值密度聚类算法。     

无人机航测在某水库1∶2 000地形测绘中的应用

以江西省抚州市东乡县井山水库库区1∶2 000地类地形图测绘为例,系统阐述了利用无人机低空航测系统进行水利工程库区地类地形测绘的内、外业工作流程,制作了整个库区1∶2 000 DOM和数字线划图(DLG),并对DLG成果进行了精度评价。结果表明,成果质量满足相关规范的技术要求。     

城市周边永久基本农田划定方法与技术探讨

介绍了城市周边基本农田划定工作过程中采用的有效划定方法和技术以及取得的良好成果,并总结了经验,可为今后其他的相关工作提供一定的借鉴和参考。     

卫星钟差异常值探测的抗掩盖与淹没型算法

北斗卫星导航系统(BDS)卫星钟差异常值处理过程中,由于成片异常值的存在,往往会产生掩盖与淹没现象,致使异常值探测效率不高甚至失败。基于求和自回归移动平均模型,分析了时间序列中成片加性AO(Additive Outlier)异常值探测时易产生掩盖与淹没现象的原因;考虑了差分及逆差分对异常值探测的影响,提出了成片AO类异常值探测的抗掩盖与淹没新算法。通过仿真算例,验证了新算法对于序列中成片AO类异常值探测的准确性和有效性。将算法应用于BDS卫星钟差异常值探测和钟差预报中,较好地克服了数据中掩盖和淹没现象产生的影响,对于进一步提高卫星钟差的预报精度具有重要作用。