结合微博数据挖掘的时空特征分析

在大数据背景下处理海量数据时,数据的获取和分析手段至关重要。本文运用网络平台的开放接口API,对特定的地理区域和特定的用户采集包含时空信息的数据,建立了一个通过模拟登录自动发送网络请求,解析与提取返回数据,集数据采集、处理、入库于一体的微博数据采集系统;用微博数据的发布位置分布及集聚状态研究了用户的行为特征。试验表明,该方法可为事件发现、趋势预测、用户特征分析等方面提供信息。     

BP神经网络用于水下地形适配区划分的方法研究

为确保背景场中最优适配航线设计的正确性以及水下地形匹配导航的可靠性,提出了一种基于BP神经网络的背景场适配/误配区自动识别和划分方法,该方法通过分析地形背景场特征参量显著性和主成分、构建BP神经网络、建立输入地形特征参量与匹配性能的映射关系,最终实现了地形背景场误配/适配区的自动识别和划分。试验验证了本方法的有效性。     

诊断复共线性的特征分析法及其在GEO定轨中的应用

根据复共线性本质,采用法矩阵元素绝对值的最小值为参照,给出判断“小特征值”的标准.然后利用有关矩阵特征值的Collatz包含定理,对条件数和复共线性之间的关系进行详细讨论,发现条件数大不一定存在复共线性.然后分析不存在复共线性时,条件数大对最小二乘估计(LS估计)的影响情况.判断出具体的复共线性关系后,基于有偏估计思想提出相应的双k型岭估计克服病态性的影响.最后给出线性模型和GEO定轨的仿真算例,验证改进的特征分析法、相应的双k型岭估计和本文推导的其他结论的有效性和正确性.     

基于水平集的海岛（礁）提取

提出了适合航空影像区域分割的水平集运算策略,将原始影像首先进行格网分类,对分类后的海岸线格网进行水平集运算提取精确海岛（礁）边缘,并采用多核编程策略提高运算效率。实验表明该方案效果理想,能够正确提取海岛（礁）区域。     

基于组合罗德里格矩阵的异常特征点探测

特征点是点云配准的基础,针对异常特征点对点云配准精度的影响,本文给出了一种异常特征点探测方法,即根据罗德里格矩阵的性质,对特征点进行向量组合,对比分析不同向量组合的点云配准精度,确定配准误差超限的向量组合,此向量组合中含有而其他向量组合中不合有的特征点,便是异常特征点.通过实例验证了该方法的可行性.     

地形特征约束的等高线群渐进式简化方法

为保留等高线群简化过程中的地形特征信息,研究了一种等高线群渐进式简化方法。首先,从等高线数据中提取地形特征点及地形特征线;将提取的地形特征点和特征线作为约束条件予以量化,并作为控制变量;再依据渐进式图形简化的思想,利用控制变量对等高线上的非特征点、特征点、特征线及其关联的弯曲进行渐进式取舍,从而实现等高线群的动态简化。实验结果表明,该方法能够有效地保持地貌形态特征,同时提高了简化过程的智能化程度。     

潜在连接点集下拓扑推进三维建模算法研究

通过三维激光扫描仪可以获取到表示空间对象的点云数据。通过设置仪器的采样间隔可以获取到表示对象不同精密程度的点集。但是由于离散点之间缺乏相应的拓扑关系,限制了以点为基本图元的模型的应用。以空间离散特征点集为研究对象,研究了一种三维建模算法。算法基于距离较近的点之间比距离较远的点之间存在拓扑连接的可能性更大的前提,对点集进行预处理,然后在此基础上进行快速建模,最终获取到以三角形为基本面片的格网模型。所建立的模型易于进行各项空间分析和操作。该算法也能够有效地应用于更为复杂的建模任务中,以达到一体化建模的目的。     

中国省情综合地图集的内容图谱构建与主题表达可视分析

省情综合地图集使用专题地图对省域的资源禀赋和社会发展水平进行全面展示,是一项复杂的知识系统。通过对地图集中大量、复杂、非结构化的内容进行模式化重构,建立地图集的内容图谱,挖掘中国省情综合地图集的内容组织规律。首先,构建图集词汇向量和计算语义相似度,提取图集内容表达的标准主题词;然后,结合图集的“图组→图幅→指标”编排结构,对主题词进行语义层次聚类,构建图集内容表达的树型图谱;在此基础上,挖掘各省综合地图集内容图谱的频繁子图,形成图谱指纹,以此标识出中国省情综合地图集主题表达的共性特征。研究结果表明,中国省情综合地图集的主题内容具有层次化组织特点,可将指纹图谱作为框架,指导省情综合地图集的主题选择和内容组织。借助内容图谱和指纹图谱分析,还可进一步揭示出中国各省综合地图集在内容表达上具有明显的聚类特征和多样性特征。研究结果可为新编省情综合地图集设计提供依据。未来还可进一步探究不同类型地图集的内容图谱构成,丰富地图集设计与编制理论。     

顾及多分辨率特征的复合字典城中村识别方法

城中村作为一种特殊的城市聚落类型,对其进行精确有效的监控识别有助于实现城乡协调发展、优化城乡生态环境。现有面向对象的城中村识别方法通常需要大量样本数据,导致训练成本较高,数据更新效率偏低。针对以上问题,本文提出了顾及多分辨率特征的复合字典城中村识别方法。首先通过密集格网采样提取尺度不变特征转换(SIFT)全局特征,并与多分辨率颜色矢量角直方图特征融合,形成视觉词典;然后将影像表示为视觉词频率直方图;最后使用随机森林分类器进行分类,以实现场景尺度的城中村识别。以高分二号影像为测试数据对该方法进行验证,结果表明,其总体精度达90.08%,Kappa系数达80.16%,相较于加速稳健特征(SURF)、SIFT、VGG16、ResNet50,总体精度分别高出8.99%、3.51%、4.78%、2.28%。