城市基础比例尺地形图更新与建库

分析了城市基础比例尺地形图更新机制和在实践中的应用,探讨了空间地理信息数据建库的标准和数据库更新关键技术,提出了对生产部门建设"数字城市"过程应建立基础数据更新机制的建议.     

浅析大比例尺地形图利用ArcGIS建库流程及方法

以dwg格式的武汉市1∶500比例尺地形图为例,以1∶500比例尺相关国家规范作为标准,研究设计1∶500比例尺地形图利用ArcGIS软件进行数据库建库流程及方法.     

基于支持向量机的作物叶绿素含量反演模型

针对现有研究在准确估算叶绿素含量方面的不足,该文运用粒子群优化算法和支持向量机构建叶片尺度作物叶绿素含量高光谱反演模型:利用PROSPECT模型模拟作物光谱,并运用所对应的叶绿素含量建立训练数据集,然后采用粒子群优化算法支持向量机学习训练数据集,最后建立实测叶片叶绿素含量估测模型。研究结果表明,粒子群优化算法和支持向量机构建的反演模型能准确预测作物的叶绿素含量,能够解决小样本作物采样点情况下叶绿素含量反演问题,可以作为作物叶绿素含量估测的参考方法。     

基于人工鱼群优化的BP神经网络WiFi指纹室内定位方法

针对传统的基于反向传播(BP)神经网络室内定位算法存在着低精度和慢收敛问题,且考虑到室内环境复杂,通常存在多径效应,无法使用信号强度衰减测距模型进行精确定位,提出一种改进的人工鱼群优化的BP神经网络WiFi指纹室内定位算法．利用人工鱼群觅食和寻优方式来提高全局寻优搜索的速度和能力,采用改进的人工鱼群算法(IAFSA)优化选取室内定位BP神经网络的权值和阈值,有效避免了传统BP神经网络的预测值易陷入局部最优的缺点,同时利用高斯滤波对信号进行去噪处理,建立采样点获取到的信号强度值(RSSI)与位置坐标的关系．实验结果证明所提方法与传统的BP神经网络方法相比,平均定位误差减少了0.75 m,平均定位精度提高32.2％,提高了定位可靠性,算法具有更好的稳定性.      

资源三号测绘卫星影像在基础地理要素快速更新生产中的技术研究

随着我国自主研发的资源三号测绘卫星发射升空,我省基础地理要素更新生产的影像来源问题得到了解决,可以进行常态性更新生产,这使得传统的人工修测更新方法显得力不从心。本文在现有的软硬件的基础上,引入半自动技术,改进当前的生产工艺流程,提高了基础地理要素的更新生产效率。     

ArcGIS在地理国情普查图设计中的应用研究

当前,地理国情普查在我国全面展开,数据采集工作即将完成。未来,普查成果的应用及展示将是地理国情普查的主要工作。本文论述了利用ArcGIS软件,设计、制作地理国情普查图的实现过程,为地理国情普查成果的图形化展示提供了新的思路和方法。     

基础电子地图多尺度显示模型的建立与应用

针对基础电子地图显示的交互性和动态性的特点,结合电子地图多尺度表达的理论,提出了显示尺度和多尺度显示模型的概念,并提出了电子地图载负量的计算方法,探讨了基于电子地图载负量变化曲线的特征点求解关键比例尺的基本原理,找出了建立相应的多尺度显示模型的基本方法。利用其原理和方法建立了中小比例尺基础电子地图多尺度显示模型,通过实际应用验证了其可行性。     

基于FME的城市更新基础数据自动化入库

在介绍城市更新基础数据的主要组成和基础空间数据建设方法的基础上,首先分析了运用常规方法进行数据处理、格式转换和入库的不足;然后根据城市更新基础数据对多种数据格式的入库需求,研究了FME在不同数据格式入库中的应用;最后采用FME提供的GIS平台访问数据插件,结合实例介绍了利用FME进行数据处理、转换、入库的步骤和实现方法,并分析了应用效果。     

量子粒子群BP神经网络在GNSS高程转换中的应用分析

提出了一种基于量子粒子群神经网络(QPSO-BP)模型的GNSS高程转换方法,通过建立GNSS点平面坐标与正常高之间的三层QPSO-BP数学模型而实现GNSS高程转换。试验分析结果表明,该方法全局迭代进化搜索能力高、稳健性强、拟合及预测精度高,在GNSS高程转换方面具有良好的有效性与先进性。     

Lq估计的渐近方差-协方差矩阵及其特点

针对由独立同分布误差膨胀而成的独立不等精度误差,根据未知参数的M估计的Bahadur型线性表达式,本文导出了由观测量、残差向量、参数估计量和观测量平差向量组成的基本向量的Bahadur型表达式.进一步地,根据方差传播定律导出了M估计的基本向量的渐近方差-协方差矩阵,该矩阵由3个多余参数决定,第三多余参数由本文定义.对Lq范估计,分别计算了误差分别为正态分布和q范分布时的3个多余参数,以及相应的基本向量的方差协方差矩阵.对最小二乘估计,残差向量与参数估计量和观测量的平差向量统计独立,相应的协方差矩阵为零,这一性质与误差分布无关.对正态分布的Lq估计,残差向量与参数估计量和观测量平差向量的协方差不为零;而对q范分布的Lq估计,即是相应的极大似然估计,残差向量与参数估计量和观测量平差向量的协方差为零.文中所得公式和结论可用于统计分析.