在听取国家土地督察北京局工作汇报时的讲话

今天来北京督察局,一是看望大家。二是调研学习。国家土地督察机构是国土资源部的“第二机关”,“一办九局”360人的队伍承担着非常重的工作任务,需要加强调研学习。三是就当前形势下如何更好地做好国家土地督察工作,听取大家的意见和建议。刚才,李永杰同志就北京督察局的工作做了系统、详细的介绍,谈了一些体会,     

牢牢把握服务中心建设队伍两大任务 切实加强机关作风建设——在中央国家机关学习贯彻党的十七届四中全会精神加强和改进机关党建工作交流会上的发言

国土资源部肩负着保障发展、保护资源的历史使命,承担着维护群众权益、参与宏观调控的重要职责。机关作风状况如何,直接关系到职责的履行,关系到国土资源管理工作对经济和社会发展的支撑和保障能力。为了做好国土资源管理工作,部党组以科学发展观为统领,从加强机关作风建设入手,牢牢把握服务中心、建设队伍两大任务,以作风建设促进队伍素质的提高和中心工作的完成,取得了明显成效。     

城乡一体化空间数据库建设技术路线和方法

城乡一体化空间数据库的建设是一个非常复杂的过程,它涉及到各个系统平台之间、各个部门之间、各种业务之间的协调和规划。参照国家的有关标准和规范建立一套地籍地形一体化编码体系、构造城乡一体化现代地籍系统平台的数据字典。只有符合标准编码规范和数据组织才能进入系统,才能被系统接纳。     

学习实践科学发展观 树立宣传思想工作新理念

本文对如何在新的历史起点上,以科学发展观为指导,开创宣传思想工作新局面进行了有益的探讨。     

抓住机遇 迎接挑战 为建设富裕文明和谐新青海提供坚实的资源保障——刘山青厅长在全省国土资源工作会议上的讲话(摘要)

2008年,我们在省委、省政府的正确领导和国土资源部的有力指导下,在各级地方党委、政府和有关部门的支持配合下,在厅党委历届班子工作的基础上,全省国土资源系统广大干部职工深入学习实践科学发展观,坚持保护资源,服务发展,以人为本,开拓创新,在优质服务和真抓实干上下功夫,各项工作都取得了新成绩。     

比利时土地整理模式的特点及启示

2008年10月19日至11月5日,笔者随国土资源郭土地整理系统学习考察团赴比利时学习考察土地整理工作。历时19天的学习考察,笔者对比利时的土地整理成果留下了深刻的印象。     

集中解决问题 落实整改措施

按照省委《关于做好第一批深入学习实践科学发展观活动整改落实阶段工作的通知》要求,从今年．1月开始,省国土资源厅深入学习实践科学发展观活动已转入整改落实阶段。     

关于黑龙江省国土资源厅开展深入学习实践科学发展观活动整改落实阶段工作安排的通知

省国土资源执法监察局,厅驻农垦总局、森工总局、友谊国土资源局,厅直属事业单位,厅机关各处室： 自2008年11月14日学习实践活动进入分析评议阶段以来,我厅认真学习中央和省委的有关会议精神,对学习调研阶段工作进行了“回头看”;广泛征求各方意见,认真开展“立足岗位找差距”自查评议活动,深入查摆了问题;召开领导班子专题民主生活会和党员专题组织生活会,形成了分析检查报告,     

开诚布公找问题 集思广益理思路 齐心协力抓整改 厅党组召开学习实践活动专题民主生活会

2008年12月29日,河南省国土资源厅召开学习实践科学发展观活动领导班子专题民主生活会。会议通报了厅党组领导班子征求意见的情况,厅领导成员分别畅谈了自己的学习感受和收获。会议由厅党组书记、厅长张启生主持。     

Extending self-organizing maps for supervised classification of remotely sensed data

An extended self-organizing map for supervised classification is proposed in this paper. Unlike other traditional SOMs, the model has an input layer, a Kohonen layer, and an output layer. The number of neurons in the input layer depends on the dimensionality of input patterns. The number of neurons in the output layer equals the number of the desired classes. The number of neurons in the Kohonen layer may be a few to several thousands, which depends on the complexity of classification problems and the classification precision. Each training sample is expressed by a pair of vectors ： an input vector and a class codebook vector. When a training sample is input into the model, Kohonen＇s competitive learning rule is applied to selecting the winning neuron from the Kohouen layer and the weight coefficients connecting all the neurons in the input layer with both the winning neuron and its neighbors in the Kohonen layer are modified to be closer to the input vector, and those connecting all the neurons around the winning neuron within a certain diameter in the Kohonen layer with all the neurons in the output layer are adjusted to be closer to the class codebook vector. If the number of training sam- ples is sufficiently large and the learning epochs iterate enough times, the model will be able to serve as a supervised classifier. The model has been tentatively applied to the supervised classification of multispectral remotely sensed data. The author compared the performances of the extended SOM and BPN in remotely sensed data classification. The investigation manifests that the extended SOM is feasible for supervised classification.