利用特征选择自适应决策树的层次SAR图像分类

提出了一种新的基于特征选择自适应决策树的层次分类算法,用于合成孔径雷达（synthetic apertureradar,SAR）图像的分类。采用Joint Boosting算法选择出最适用于各类的特征组合,并自适应地搜索构造出一个由两类分类器构成的层次分类器,利用特征选择结果和自适应决策树进行了SAR图像的学习和推理,实现了自动分类,在国内首批极化干涉SAR数据上的实验证明了本算法的有效性。     

基于新型相似性测度的高光谱影像地物检测

提出了一种新型光谱相似性测度及其参数的自适应选择方法,并且将其应用到了高光谱影像地物检测中。由于这种相似性测度基于光谱角度余弦(SAC),因此在理论上对因光照强度变化、阴影和遮挡等引起的同种地物光谱变化的适应性较强。最后利用两幅高光谱影像进行了实验分析,实验结果证明提出的方法不仅能扩大阈值取值区间,而且可提高检测的精度。     

浅析运动会专题地图集的设计要点——基于《中华人民共和国第七届城市运动会地图集》的编制

伴随着各类运动会的举办,众多运动会专题地图集相继面世。这些地图集虽然风格各异,但是在总体设计上却有共同之处。因为它们的主题明确,都是为了更好地诠释运动会信息和举办地的地方特色文化。故本文将结合《中华人民共和国第七届城市运动会地图集》的编制,从选题、目标定位、内容选择及内容表达等四个方面来浅要分析运动会专题地图集的设计要点。     

离子选择性电极法测定土壤中溴化物的实验研究

对Br-选择电极法测试土壤中Br-的条件进行了研究,Br-浓度标准系列的测试结果表明其相关性很好,但对环境因素敏感;对添加不同pH值的缓冲体系的研究表明,pH值为5的醋酸缓冲溶液是最佳条件.以去离子水,土/水为1/10的比例提取土壤中的Br-,对上部清液100 mL中加入10 mL的pH值为5的醋酸缓冲溶液,以及对加标土壤样品的测试结果表明,当加标水平接近于土壤中的Br-含量时,具有较高的回收率.去离子水浸提取土壤中Br-的比例在57.04%～93.49%间.     

模态静力非线性分析中模态选择的研究

本文应用模态静力非线性分析方法,对多个算例进行了静力非线性分析。比较分析了不同振型组合对计算精度的影响,对模态选择的参数进行了研究,提出采用模态质量参与系数进行模态选择的控制,为模态静力非线性分析方法的推广使用提供参考。另外,分析了结构基本周期对该方法计算精度的影响。     

掩星软件OCCULT使用指南（4）

此程序可以计算出任意时间和地点的月掩恒星、行星的预报。点击软件主界面的“Lunar predictions”（月掩星预报）图标,这时主界面变成如图4-1所示界面,在这个界面上点击这个桉钮后,弹出如图4-2所示界面,在这个界面第1小项Select site for predictions选择编辑好的地点文件和你的地点,或者点“Use single”按钮,     

基于粒子群优化的模糊特征自适应选择方法

模糊特征的选择影响着模糊分类的结果。从大量模糊特征中选择出有效特征进行分类,存在着一定的难度。粒子群优化算法(PSO)是基于群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。将离散二进制PSO用于模糊特征选择,实现了基于PSO的模糊特征自适应选择方法,并通过航空和卫星遥感影像的模糊分类实验,验证了此方法的有效性。     

业界动态

新型夜光地图问世2010年3月,兰州军区某测绘信息中心主任王明孝联合兰州大学、甘肃省地图院和总参某测绘研究所等50多名技术人员联合攻关,在研制夜光油墨中,不同质地、不同助剂选择搭配有上万种组合,终于攻克了夜光油墨、印刷工艺等多个难题,一种可通过吸收热量或可见光储能、防水易保存、发光强度好、环保无辐射、可批量生产的新型夜...     

WSR-88D冰雹探测算法在贵州地区的评估检验

通过制定一定的规则,使用贵州504个防雹炮点的冰雹观测资料及2005,2006年贵阳雷达站8次冰雹过程观测资料,使用时间窗方法间接地将风暴单体与降雹记录相联系,建立了冰雹算法校验数据库,并对降雹校验数据库的数据进行统计分析,应用探测概率、虚警率、临界成功指数来检验冰雹探测算法。强冰雹概率 (POSH) 的强冰雹探测算法的总体评估结果表明:当POSH算法的强冰雹预警阈值为30%时,在贵州地区获得最高的临界成功指数评分,但这个阈值在每次强冰雹预警时并不是都获得最佳结果。强冰雹预警阈值选择模式 (WTSM,即根据冻结层高度动态选择每天强冰雹指数的预警阈值) 在不同地区气候状况下的差异,是导致缺省的POSH算法在贵州地区应用不佳的最主要原因,这也说明对冰雹探测算法的局地性适用评估非常必要。通过对WTSM的调整,改进了原来的POSH算法。     

多因子相关相似判别法

1多因子相关相似判别思路 多因子相关相似判别就是利用因子和预报量距平值（＋、-）相同的个数作为相似标准,从而做出预报。（1）根据距平相关概率的大小选择因子所谓＂距平相关概率＂是指因子正（负）距平符号与预报量距平符号相同的概率。（2）计算因子间的协相关率,计算方法与上面相关率一样,只是表示因子间的相关度。（3）计算预报因子和历史年各因子的相似情况分析单因子相关（见表1）.