基于先验统计知识和文字线的地名提取方法

对扫描地图地名注记的自动提取进行了研究,针对复杂背景扫描地图设计了一种新的地名注记提取方法。首先,运用先验统计知识对地名注记所在要素层进行分割;然后,将文字线组合方法与数学形态学膨胀算法结合实现了地名注记的高效提取。通过大量实验表明,该方法有效地克服了复杂背景下地名注记提取的困难,简单、快速且正确率较高。     

基于抗差方差分量的自适应联合平差及其应用

针对参数具有先验信息、多种类观测最的数据处理,采用方差分量估计调整不同种类观测量的权比,采用自适应因子调整观测量与参数先验信息的权比.实际算例表明,运用文中所述的方法能明显提高结果精度.     

一种动态阈值构造的周跳探测方法

针对不同系统观测量测量精度不同的问题,根据多项式拟合原理,在GNSS周跳探测过程中,该文提出了一种根据实测数据设置动态阈值的阈值构造方法,以替代传统方法中采用固定先验值的做法。实验结果显示把该阈值构造方法应用于对小周跳敏感的电离层残差法进行周跳探测时,该动态阈值构造方法可以准确地探测出大小周跳、连续周跳及野值。     

利用随机先验信息克服秩亏问题的方差分量估计

利用研究方差分量模型解决随机先验信息在线性模型秩亏平差问题中不确定性的问题,利用最优不变二次无偏估计进行先验信息与观测信息两部分的方差分量估计,得到合理的随机模型,最终达到使先验信息成为可靠基准的目的.从一个典型的大地水准测量案例出发,观测数据为高差观测值,没有绝对高程基准的加入,先验信息便是先前估计得到的高程基准.推...     

感知物理先验的机器学习及其在地理空间智能中的研究前景

许多复杂的物理现象和动态系统尚未为科学家所完全理解和解释，因此不能构建确定的数学方程来描述，不能直接使用紧凑的物理机理模型来进行分析和预测。随着观测数据的日益丰富，数据驱动的机器学习方法可以较好地描述复杂非线性现象，但是纯数据驱动模型在表征能力、可解释、泛化能力、样本利用效率方面还存在很多不足。常规机器学习方法在地学领域的应用还面临时空异质性、样本稀疏等带来的挑战。近年来感知物理先验的机器学习方法可以在物理原理不太明确的情况下更有效地利用观测数据描述和分析动态系统，受到了广泛关注，并在物理、计算机、生物、医学和地学等领域得到了一定的应用。近年来人工智能和机器学习技术已经大量应用于地理学尤其是地理信息和遥感领域，受到地理学者广泛重视，被称为地理空间智能，并已成为一个热门的研究方向。感知物理先验的机器学习方法融合了模型驱动和数据驱动思想，为地理空间智能研究带来新的研究范式，促进各种复杂地理现象的精细描述和预测。本文首先分别从物理先验的表达形式和如何在机器学习中集成物理先验两方面概述了该领域的进展。物理先验是在机器学习建模之前已经存在、独立于机器学习方法的知识。本文从增广的数据和定制特征、物...     

结合Fourier域约束的多帧盲解卷积图像恢复算法

大气湍流严重限制了地对空光学系统的成像质量,自适应光学系统对大气湍流的补偿仅仅是部分的、有限的。当前的图像恢复技术对重建过程中的PSF施加的先验约束主要有非负性、归一化、支持域等空间域约束。这里对图像的Fourier频谱特性进行分析,将一种基于Fourier域的先验约束引入到多帧迭代盲解卷积算法中。实验结果表明,该算法可有效对模糊图像进行恢复,尤其是对强湍流观测下的重度模糊图像具有较好的恢复效果。     

Phenotypic correlations of somatic and gonad traits of sea urchins Glyptocidaris crenularis in two sampled periods: first insight into its breeding and aquaculture

Prior knowledge of the correlations among commercially important traits in Glyptocidaris crenularis can be used to guide development of breeding and aquaculture programs for this species. We evaluated the phenotypic correlations between somatic and gonadal traits in G. crenularis during two sample periods （October 2010 and April 2011）. The coefficients of variation （CV%） for body weight （BW）, redness （a＊）, yellowness （b＊）, gonad wet weight （GW）, and gonad index （GI） were 〉20% in both periods, while those of other traits were very low. GW was significantly correlated with somatic traits （diameter, height, and body weight） in both periods, although the correlation coefficients ranged from 0.473 to 0.636 （P〈0.01）. Gonad moisture content （GC）, a＊, and lightness （L＊） were not significantly correlated with somatic traits （P〉0.05）. The color trait b＊ was negatively correlated with somatic traits （test diameter, test height, and body weight） during the period when the gonads were well developed （April 2011, P〈0.05）. We observed little difference in the nature of the phenotypic correlations between the two sample periods. The high variation in the somatic and gonad weight traits in G. crenularis suggests there is considerable potential for selective breeding. However, our results suggest that gonad quality traits cannot be selected indirectly by selecting for body weight. Our study provides an insight into the method for improving the breeding and aquaculture of G. crenulari.     

利用合成算法从LiDAR数据提取屋顶面

区域增长法和随机抽样一致性(RANSAC)算法是从LiDAR数据提取屋顶面时常用的两类方法,但这两种方法都存在某些缺陷,使它们的应用受到了一定限制。针对LiDAR数据中建筑物脚点的特点,提出了一种融合以上两种方法优点于一体的合成算法。1根据脚点的法向量和粗糙度特征进行屋顶面粗提取;2在屋顶面粗提取结果的基础上,利用基于先验知识的局部采样策略和区域增长方式对传统随机抽样一致性算法进行扩展,实现屋顶面自动提取;3采用投票法解决屋顶面竞争问题,提高屋顶面的提取精度。实验结果表明,本文设计的合成算法能够有效地提取建筑物屋顶面。     

“问题地图”智能检测发展现状与关键技术

为在保护国家领土主权和地理信息安全的前提下,促进测绘地理信息行业的发展,推进“问题地图”智能检测的研究进展,本文综述了“问题地图”检测的发展现状,分析了“问题地图”智能检测的痛点问题,提出通过地理空间大数据挖掘技术获取训练样本,构建统一的地图审查模型和计算模式等关键技术。本文对“问题地图”智能检测的进展有积极的借鉴和促进作用。     

基于精确Zoeppritz方程三变量柯西分布先验约束的广义线性AVO反演

常规AVO三参数反演是通过Zoeppritz方程的近似公式来建立AVO正演模拟的过程,然而在P波入射角过临界角和弹性参数在纵向上变化剧烈的情况下,Zoeppritz方程近似公式精度有限.针对这种情况,可以使用精确的Zoeppritz方程来构建反演目标函数,由于精确Zoeppritz方程中P波反射系数和弹性参数之间是一种复杂的非线性关系,通常解决途径是利用非线性的优化算法来进行数值计算,但是非线性优化算法的缺点是计算量过大;另外一种途径是利用广义线性反演的方法,通过泰勒一阶展开式将P波反射振幅展开后,用线性关系近似表达非线性关系,经过几次迭代后,在理论上可以达到很高的精度,但是广义线性反演算法的核心部分--Jacobian矩阵由于矩阵条件数过大,往往会造成反演算法的不稳定,其应用范围得到了限制.贝叶斯反演方法是通过引入模型参数的先验分布结合噪声的似然函数,生成模型参数的后验分布,通过求取模型参数的最大后验概率分布来得到模型参数的反演解,由于引入模型参数的先验分布信息,可以有效的降低反演的不适定问题.本文将两种反演算法的思想相结合,利用广义线性反演算法的思想,构建AVO正演模拟的过程来提高大角度地震数据反演的精度,同时结合贝叶斯理论,通过引入模型参数的先验分布信息构建反演目标函数的正则化项,可以有效降低由于Jacob矩阵条件数过大带来的反演不适定问题,该算法假设模型参数服从三变量柯西分布.