提高服务质量共建和谐单位为国土资源管理提供强有力的技术支撑

按照省厅的统一部署,国土规划院党委及时组织了以落实十六届六中全会精神为主要内容的学习活动,并就如何结合我院实际工作,更好的为国土资源管理提供强有力的技术支撑,为地方经济建设提供良好服务等问题展开了深入讨论。     

多尺度特征融合深度学习建筑物的提取方法

提出一种基于多尺度特征融合的建筑物提取方法,结合新的网络DenseASPP-UNet,以实现影像多尺度特征的融合,进而高精度提取建筑物.通过Inria开源建筑物航空影像数据集进行验证,表明DenseASPP-UNet相比其他深度学习方法建筑物提取精度有很大的提升.     

基于极限学习自编码器的水声信号目标识别方法

传统的机器学习方法在特征提取时容易受到主观经验的影响,导致对水声信号目标的识别准确率不高。而一般深度学习算法模型较复杂,通常具有训练耗时、计算复杂度高等缺点。极限学习自编码器具有很强的非线性处理能力,适合针对具有非线性特点的水声信号目标的识别,而且模型具有学习速度快,泛化能力强等显著优势。将极限学习自编码器算法应用于水声信号目标识别中,并与卷积神经网络、自编码器和极限学习机识别方法进行对比,结果表明：提出的方法对水声信号目标识别的准确率最优,且训练时间较短。     

高层建筑坍塌墙体修复施工安全管理定量化控制模型研究

为了确保震后高层建筑坍塌墙体修复工程的安全性,提出一种高层建筑震后坍塌墙体修复施工安全管理方法。结合主成分分析法与信息熵法对震后高层建筑坍塌墙体修复施工管理的控制特征量进行提取,确定模型评价指标权重;根据加权学习法对坍塌墙体修复的施工进行量化控制;通过灰阶量化评估进行约束参量分析,构建安全管理控制模型;采用管理因素模糊调度算法实现施工安全管理控制,并完成优化决策。通过仿真实验验证坍塌墙体修复施工管理控制的管理效益与累积评价百分率。分析结果表明,采用该方法进行震后高层建筑坍塌墙体修复施工管理控制的管理效益最高可达83.32%,累积管理效果回报率较高,累积评价百分率平均约为75%,能够有效提高施工过程的安全管理效能,确保施工安全。     

学习贯彻十七大精神 扎实推进地质勘查工作

一、结合实际,深刻领会十七大精神 党的十七大报告提出的新任务、新要求很多，这就要求地质勘查工作必须建立一套完善的、系统的、有序的工作运行机制，节流开源，提供资源保障，促进和谐发展。在今后学习贯彻十七大精神过程中，一要深入搞好调研工作。二要扎实推进地勘工作。继续加大基础性、公益性地质工作，提高地质工作综合研究水平，引导和拉动商业性矿产勘查，实现矿业大省向矿业强省的跨跃。     

美国之印象

在美国学习的三个月里,从上课到学习期间的考察,让我有更多的机会了解美国的教育和学术氛围。看似散漫的个性、自由,却处处能体现出他们的为学之道。走下飞机踏上美国国土时,就能体会到接待学校的精心安排。顺利通关一出来,早有北伊利诺伊大学商学院的教学秘书SONJA等候在外面,50人的大巴,虽然每人的东西都很多,但坐人和储     

发现学习在《GPS定位技术》教学中的应用研究

论述了发现式学习与教学的概念,提出了采用发现学习的方法进行《GPS定位技术》教学的可行性,分析了基于发现学习的教学设计和具体内容,指出了发现学习存在的不足。     

结合遗传算法的LVQ神经网络在声学底质分类中的应用

学习向量量化（Learning Vector Quantization,LVQ）神经网络在声学底质分类中具有广泛应用. 常用的LVQ神经网络存在神经元未被充分利用以及算法对初值敏感的问题,影响底质分类精度. 本文提出采用遗传算法（Genetic Algorithms,GA）优化神经网络的初始值,将GA与LVQ神经网络结合起来,迅速得到最佳的神经网络初始权值向量,实现对海底基岩、砾石、砂、细砂以及泥等底质类型的快速、准确识别. 将其应用于青岛胶州湾海区底质分类识别研究中,通过与标准的LVQ神经网络的分类结果进行比较表明,该方法在分类速度以及精度上都有了较大提高.     

Extending self-organizing maps for supervised classification of remotely sensed data

An extended self-organizing map for supervised classification is proposed in this paper. Unlike other traditional SOMs, the model has an input layer, a Kohonen layer, and an output layer. The number of neurons in the input layer depends on the dimensionality of input patterns. The number of neurons in the output layer equals the number of the desired classes. The number of neurons in the Kohonen layer may be a few to several thousands, which depends on the complexity of classification problems and the classification precision. Each training sample is expressed by a pair of vectors ： an input vector and a class codebook vector. When a training sample is input into the model, Kohonen＇s competitive learning rule is applied to selecting the winning neuron from the Kohouen layer and the weight coefficients connecting all the neurons in the input layer with both the winning neuron and its neighbors in the Kohonen layer are modified to be closer to the input vector, and those connecting all the neurons around the winning neuron within a certain diameter in the Kohonen layer with all the neurons in the output layer are adjusted to be closer to the class codebook vector. If the number of training sam- ples is sufficiently large and the learning epochs iterate enough times, the model will be able to serve as a supervised classifier. The model has been tentatively applied to the supervised classification of multispectral remotely sensed data. The author compared the performances of the extended SOM and BPN in remotely sensed data classification. The investigation manifests that the extended SOM is feasible for supervised classification.     

树立科学发展观要从查找自身差距入手

2008年3月,笔者有机会参加单位组织对深圳、东莞、宁波、杭州、青岛等地土地收购储备、土地利用、闲置土地处置和地籍信息系统建设等工作的考察学习。考察中,深切地感受到南方发达地区先进的管理模式和浓厚的发展氛围。特别是国土资源部门在管理、服务和执法方面积极探索、勇于实践、大胆创新的意识和经验,值得认真地思索和借鉴。