产业集群内企业创新网络与创新绩效关联性实证研究

基于创新网络与创新绩效视角,以高沟54家电缆企业问卷及访谈信息为原始数据,运用信度、效度和关联性分析,实证探讨高沟电缆产业集群内创新网络5个维度19个测量指标与企业创新绩效1个维度6个测量指标之间的关联。研究发现：（1）在整体创新网络影响下,高沟电缆企业创新网络对创新绩效有显著正向强相关影响,研究主体互相关联、互为依托;（2）主体之间的实际联系并不密切,创新网络发展并不完善;（3）企业内生力量、政府行为导向和企业合作驱动均在不同程度和层面影响创新网络与创新绩效发展。研究总结高沟产业集群内企业创新网络与创新绩效关联及其影响机理,对高沟电缆产业振兴、提升创新能力有一定的探究意义。     

基于灰色关联度的可拓学理论在岩体质量评价中的应用

为了建立更好的岩体质量分级系统,改进传统岩体质量分级方法以及其它数学评价方法,结合红岩水库通航隧洞现场工程地质条件,建立了可拓学理论岩体质量分级评价的物元模型,并采用灰色关联度方法改进可拓学理论中求取各评价指标权重主客观因素考虑不充分的缺点.研究结果表明,采用灰色关联度法充分考虑了岩体质量评价的主客观因素,计算出的各指...     

基于瞬变电磁法探究中高阶煤层瓦斯含量与视电阻率关系的试验

为掌握煤层瓦斯分布规律,揭示煤层瓦斯含量与视电阻率的关系,结合实验室关于煤样电阻率的研究,使用瞬变电磁法研究煤层视电阻率与瓦斯含量的相关性,在豫西新安煤矿进行18次探测试验,获取有效数据21组。研究表明：煤层视电阻率与瓦斯含量呈较好的负相关,瓦斯含量每升高1 m³/t,视电阻率对数值降低6.6%~20%,判定系数为0.621 9~0.753 1,说明煤层视电阻率对瓦斯含量具有明显的响应特征,利用瞬变电磁可以在相似地质条件下探测煤层瓦斯含量高低及其分布规律。     

江苏宜兴地下空间开发地质环境适宜性评价

城市地下空间开发利用地质环境适宜性评价涉及多方面的复杂不确定因素。以江苏宜兴为例,将影响城市地下空间开发利用的因素划分为区域稳定性、地形地貌、水文地质条件、不良土体、地质灾害等,运用层次分析法确定各指标的权重,将各个指标数值化,结合灰色关联度分析法,根据灰色数学理论计算出评价母序列与各评价序列之间的关联度,最终确定研究区地下空间开发利用地质环境适宜性等级。结果表明,宜兴约有55%面积的地下空间具备良好的开发前景,约40%面积的地下空间开发前景一般,仅有5%面积的地下空间开发利用适宜性差。研究成果可为宜兴市地下空间开发的规划、设计、施工等提供参考。     

关联向量机在高光谱影像分类中的应用

将关联向量机应用于高光谱影像分类, 实现高维空间中训练样本不足时分类器的精确建模。从稀疏贝叶 斯理论出发, 分析关联向量机原理, 探讨一对多、一对一和两种直接的多分类方法。实验环节比较了各种多分类方 法, 并从精度、稀疏性两方面将关联向量机与支持向量机等经典算法比较。实验结果表明, 两种直接的多分类方法 内存占用大、效率低; 一对多精度最高, 但效率较低; 一对一计算效率最高, 精度与一对多近似。关联向量机精度 不如支持向量机, 但解更稀疏, 测试样本较多时实时性好, 适合处理大场景高光谱影像的分类问题。     

“Lois'’And “Lords”— Two New Land-Use Information Systems For New Jersey∗

Abstract

In the context of debates about policy relevance, geotechnologies, and the status of and prospects for geography, we present the case for a promotional strategy based on foregrounding the impact, diversity, and wealth of geographic scholarship.     

基于“深度学习”识别模型的玉米农田监测应用系统设计与实现

为了精准判断玉米所处生长阶段,远程实时监测玉米长势,分析生长阶段与田间环境要素间的关系,本文提出深度局部关联神经网络,克服了玉米生长阶段识别中存在的多模态和模糊性问题,在Oxford VGGNet(Visual Geometry Group Net)模型中添加一个新的监督层,即局部关联损失层,提高深层特征的判别能力。基于所提的玉米生长阶段图片识别新算法,拓展环境要素监测功能,设计一套基于深度学习的玉米农田监测系统。系统由玉米农田监测装置和云端服务器组成,监测装置采集玉米图像、气象要素和田间位置数据,通过4G无线发送给云端服务器,云端服务器利用深度局部关联神经网络识别生长阶段,显示结果并存入数据库中。仿真试验表明,深度局部关联神经网络平均识别准确率达到92.53%,较VGGNet的87.21%和LSTM的88.50%,准确率分别提高了5.32%和4.03%。实地测试结果表明,野外环境下系统准确率可达到91.43%,能够稳定地对农田玉米生长情况进行监测,具有重要的应用价值。     

冬春季北极海冰的变化特征及其与西北太平洋热带气旋活动的关系探讨

采用Hadley中心1953—2012年海冰密集度资料、NCEP/NCAR逐月再分析资料和1977—2011年日本气象厅台风资料,对冬春季北极海冰变化的主要特征进行了分析,并对冬春季北极海冰变化与西北太平洋台风活动之间的关系进行了初步探讨。结果表明,冬春季北极海冰表现为明显的年代际变化,且在1965—2004年间具有3—4 a的低频振荡周期。在20世纪60年代后期和70年代初期,海冰变化最为显著。冬春季海冰变化与西北太平洋热带气旋生成频次、强度频次的相关性在9月份明显高于其他月份,且为正相关,而与热带气旋强度等级有较显著的负相关性。冬春季北极海冰变化与夏季西太平洋副高强度、副高面积均有很好的负相关关系。冬春季海冰面积偏多(少)时,夏季北美东部、冰岛附近地区、北太平洋以及中低纬度大部地区500 h Pa高度场为负(正)距平分布。冬春季北极海冰面积异常对北半球大气环流的持续性影响,在随后到来的台风盛期有较明显的体现。     

地震震级预测的相关向量机模型

为了借助容易获取的地震相关因素间接预测地震震级,提出基于相关向量机（Relevance Vector Machine,RVM）方法的地震震级预测模型。通过样本学习建立地震震级与地震累积频度、累积释放能量、平均震级、b值、η值和相关区震级等6个主要影响因素之间的非线性映射关系,利用已知影响因素预测地震震级。结果表明:RVM模型预测结果均优于BP神经网络及SOM-BP神经网络预测结果;通过敏感因子分析比较各因素的敏感程度,b值和η值最为突出,在震级研究中应重点分析。综合分析,RVM模型具有精度高和离散性小等优点,对地震震级预测有较好的推广价值。     

基于相关向量机的高光谱影像分类研究

虽然支持向量机在高光谱影像分类得到成功应用,但是它自身固有许多不足之处。相关向量机是在贝叶斯框架下提出的更加稀疏的学习机器,它没有规则化系数,其核函数不需要满足Mercer条件,不仅具备良好的泛化能力,而且还能够得到具有统计意义的预测结果。本文从分析支持向量机用于高光谱影像分类存在的不足出发,提出了一种基于相关向量机的高光谱影像分类方法,介绍了稀疏贝叶斯分类模型,将相关向量机学习转化为最大化边缘似然函数估计问题,并采用了快速序列稀疏贝叶斯学习算法。通过PHI和OMIS影像分类实验分析表明了基于相关向量机的高光谱影像分类方法的优越性。