船载卫星遥感图象处理系统在南北极科学考察中的应用

船载卫星遥感图象处理系统是针对南极考察气象航线预报、冰区航行的海冰预报和导航需要而研制的船陆两用多功能软件系统。采用了最新的 DEL PHI可视化软件开发工具 ,开发了用于 WINDOWS98环境下的 32位的程序 ,并针对接收系统开发了 WINDOWS设备驱动程序 ,提高了在 WIND0 WS98多任务环境下 ,接收程序的实时性和可靠性 ;采用面向对象的程序开发方法和开放式的体系结构 ,便于功能的更新和提高 ;采用 SGP4/SDP4轨道模式及两行元素的轨道参数计算出卫星星下点的位置 ,实现了在 1 A图象上计算逐点经纬度的快速动态定位和图象显示的功能 ;采用迭代法利用电子地图网格数据 ,在接收的卫星云图上迭代套上地形及海岸线。组成了适合船陆两用的多功能快速灵活的图象处理系统 ,可以在 1～ 2分钟瞬间内完成一幅图的定位套网格和套地形线的工作。解决了南极海冰监测和冰缝、水道预报的难点。可以使图象上下滚动、左右移动、任意放大、缩小和剪取 ;可以随着鼠标的移动显示出图上任意一点的经纬度 ;能够在图上标出任意目标物 ,如船位、站位、岛屿等等 ;能够方便地在图上画出航线 ,直观地判断船所处的位置和航线周围的气象和海洋环境状况 ;解决了在茫茫海洋和冰区中航行找不到参照物时的困惑 :能够输出任意大小的 2 4位真     

基于LBSN和多图融合的兴趣点推荐EI北大核心CSCD

兴趣点推荐作为推荐领域的一个重要分支一直备受研究者青睐。本文提出一种基于位置的社交网络(LBSN)和多图融合的兴趣点推荐方法GraphPOI。综合分析用户和兴趣点的内在因素和外部表征,首先,对用户-兴趣点的评分矩阵进行学习得到用户和兴趣点的内部潜在向量;其次,根据评分矩阵构造用户-兴趣点交互图,得到兴趣点在用户空间的表征向量以及用户在兴趣点空间的表征向量;然后,对兴趣点按其地理位置进行聚类,得到兴趣点在位置空间的表征向量,结合兴趣点在用户空间的表征向量进而得到兴趣点的外部表征向量;对用户社交图中的信息扩散现象进行建模,捕获用户的朋友关系,得到用户在社交空间的表征向量,结合用户在兴趣点空间的表征向量进而得到用户的外部表征向量;最后,结合用户和兴趣点的内部潜在向量与外部表征向量,得到用户和兴趣点的最终向量表示,并将其输入到多层神经网络模型中进行评分预测。在Yelp数据集上对所提模型进行验证,结果表明本文方法能够有效提升兴趣点推荐的准确性。     

中国地质学会2021年度十大地质科技进展和十大地质找矿成果揭晓

2022年2月24日,中国地质学会公布了中国地质学会评选产生的中国地质学会2021 年度“十大地质科技进展”和“十大地质找矿成果”(表1、表2)。这顶评选的程序是单位推荐→形式审查→初评→终评→公示。     

关注点推荐算法的霍克斯过程法

关注点（point-of-interest,POI）推荐是基于位置的社交网络（location-based social network,LBSN）中重要的个性化位置服务。针对LBSN中用户签到数据的复杂性和高度稀疏性问题,本文提出了一种基于霍克斯过程的上下文感知协同过滤关注点推荐算法（HWCF）。首先,根据用户签到关注点的地理空间聚集现象分析用户行为特征,筛选用户候选关注点;然后,利用霍克斯过程对候选关注点建模,通过融合空间距离信息、空间序列变换信息、时间信息、用户偏好、关注点流行度等多种上下文信息计算用户访问候选关注点的概率,对访问概率排序得到top-k推荐列表;最后,对算法参数的取值及调整过程进行讨论。试验结果表明,HWCF算法比其他的关注点推荐算法具有更好的推荐效果。     

重大研究成果评述:火星曾有过生命的新发现

为进一步促进学术交流,提升学会作为学术发布和交流平台的功能,加速分享相关科研成果并激励广大青年地学工作者投身科研创新事业,从本期起,本刊将专门开辟"亮点评述"栏目,推介在近期(2~3月左右)中国主要高校院所相关专业最新科研成果,特别是在国际专业期刊上发表的论文。我们并将适时择其中重要成果请相关专家点评。作为首发栏目,我们特别高兴能在本期转载,并向广大读者推荐本会名誉理事长和本刊主编欧阳自远先生关于火星陨石研究最新亮点的述评:火星可能存在过生命!同时也热烈欢迎广大同行和会员积极提供相关信息。     

区位推荐算法试用于文本地名的空间网络复现——以《三国志》纪传文本为例

挖掘可表征城市之间联系的信息并进行网络复现，已成为一种研究区域联系的重要研究范式。纪传文本地名的共现网络研究对深化理解历史地理要素、拓展城市网络分析的运用具有重要意义。本文基于对地名共现的空间网络的研究综述，提出基于地名共现词频进行网络分析的改进方法，纳入地名稀缺性及区域优势不对称性测算城市关联度，规避了现有测算方法中缺乏考虑地名稀缺性及边权不对称性所导致的信息失真。在网络复现算法检验上，使用《三国志》地名共现数据集，实现了三国时期州郡网络复现中的地理分布、层级结构表达，同时实现了州郡的区域优势识别。结果表明，新算法相较传统的地名共现算法，其计算结果反映了边权的不对称性，且在有限文本数的效度测试中区位推荐算法提高效度5‰，概率误差低于既有算法，复现地名词频的效果更为稳健。另外，既有算法计算结果均为对称联系，而由区位推荐算法得到的非对称性地域关联数据为判别区域体系的节点层级提供了统计依据。     

Web挖掘在基于标签的个性化推荐中的应用

个性化信息服务已经被公认为是解决Internet"信息过载"的方法,基于Web使用挖掘的个性化服务是目前Web个性化服务应用和研究的关键技术,将基于Web挖掘的个性化信息服务思想具体应用到标签推荐个性化服务体系中,实现信息的个性化推荐服务.     

融合特征交叉与用户历史行为序列的微地图推荐

针对现有微地图（WeMaps）推荐算法未充分挖掘用户与微地图特征,推荐结果准确率较低的问题,提出融合特征交叉与用户历史行为序列的微地图推荐算法。首先,在用户与地图特征交叉过程中通过引入跳跃连接和多头自注意力机制,让不同特征组合能够自动获得权重,并通过在多个子空间下进行特征交叉获得了更丰富的特征组合信息。其次,在用户历史行为序列中引入了交叉注意力机制,捕捉与候选地图相关的兴趣点。最后,融合特征交叉和用户行为序列模块的输出,获得了综合多个维度的推荐结果。在公开数据集Criteo和自制微地图（WeMaps）数据集上的对数损失值分别为0.446 1、0.379 7,受试者操作特征曲线下面积值（Area Under the ROC Curve,AUC）分别为0.805 2、0.788 3。相较于本文对比实验中的二阶特征交叉模型,损失值分别降低了1.7%、14.2%,AUC值提高了0.8%、0.4%。相较于本文对比实验中的高阶特征交叉模型,损失值平均降低了1.3%、2.6%,AUC值平均提高了0.6%,0.2%。较低的损失值和较高的AUC值说明模型进行预测时具有较高的准确性和较好的分类能力。实验结...