青田县 “三渠道”开展廉政谈心活动

近期。该局以《廉政准则》和《党风廉政建设责任制》为依据,以履行廉洁自律、党风廉政建设责任制和严格依法行政情况为主要内容,扎实开展全员廉政谈心活动,进一步打牢反腐倡廉工作思想基础。首先,集中谈。利用政治理论学习教育、业务技能培训等时机,集中干部职工进行集体廉政谈心,着重介绍了这次廉政谈心的背景,     

基于遥感影像的建筑物监测监管平台的设计与实现

针对人工目视解译方法在建筑物监测监管方面效率低下的问题,本文设计研发了基于遥感影像的建筑物监测监管平台.通过深度学习算法模型,实现对影像上建筑物的自动提取,并生成矢量图层,将不同历史时期的矢量图层通过GIS算法进行对比分析,自动提取差异,实现对建筑物的自动识别与监测,使劳动力得到了解放,提高了建筑物监测监管与执法的效率...     

基于多核学习遥感解译的水边线提取及海岸侵蚀风险评估方法研究与应用——以大蒲河-滦河岸段为例

为了对典型海岸带的侵蚀风险程度进行量化统计与评估,采用卫星遥感技术对目标岸段开展动态监测,以多核学习技术进行图像分类及岸线提取,基于水边线逐年位置变化提出一种海岸侵蚀风险评估方法,并以大蒲河-滦河岸段为例进行了应用,得出了该岸段所处的侵蚀风险级别,为下一步海岸带的保护与修复提供了数据支撑。     

谈精品节目的亮点——第八届全国气象影视服务业务竞赛获奖节目观后感

通过对第八届全国气象影视服务业务竞赛的一些获奖作品的观摩,认真学习、揣摩了获奖节目的优点、亮点、新点,并结合自身节目的缺点,发表一些观后感。希望通过这样,来达到学习中能探索,探索中能进步的目的。     

在全国测绘地理信息局长座谈会上的讲话

这次座谈会的主要任务是深入学习贯彻李克强副总理视察中国测绘创新基地时的重要讲话精神,以科学发展观为指导,总结上半年工作,分析当前形势,交流各方面情况,更好地分析问题,明确任务,按照"落实年、执行年、实干年"的要求,进一步推动各项工作。为此,我主要想从打牢基础的角度,从思想     

与虎有关的歇后语

老虎进村：没人敢理 老虎栽跟头：腰板挺硬 老虎嘴边的胡须：谁敢去摸 老虎下山：来势凶猛 老虎拧尾巴：发威     

改革创新迎难而上为转方式调结构提供坚强保障

这次会议的主要任务是学习贯彻中央、省经济工作会议和全国国土资源厅局长会议精神,总结2009年工作,部署2010年工作任务。省政府对这次会议非常重视,会前姜大明省长听取汇报并作书面指示,才省长出席会议并将做重要讲话。我们要认真学习,深刻领会,抓好贯彻落实。下面我讲几点意见：     

“西亚北非”一章教学设计

世界地理教学中，有三个区域是把不同大洲的地区合二为一进行编排的，它们是“西亚和北非”、“欧洲东部和北亚”、“拉丁美洲”。相比而言，西亚和北非这两个地区的可比性更多、更强，本章教学效果好坏除了影响学生掌握知识程度外，还对学生掌握学习地理的许多方法如联系比较、归纳综合、以图导学等意义尤为重大。     

基于AR2U-Net的双相移谐波压制滤波法（英文）

双相移谐波压制滤波方法是在传统相移法滤波的基础上加以改进,能够应用于噪声、滑动扫描信号等复杂信号的一种新型谐波去除方法,但该方法在应用于实际资料时由于需要基波的时段信息和频段信息,而人工处理不仅耗费大量精力、效率低下,且精度不高。因此,本文将深度学习和谐波压制相结合,提出基于AR2U-Net的双相移谐波压制滤波方法,其中AR2U-Net神经网络是在传统U-Net神经网络中加入了注意门结构与递归残差块,使得网络在节省参数数量、简化计算复杂度的同时,提高了预测精度并强化了网络性能。本文AR2U-Net神经网络结构的输入为可控震源滑动扫描地震数据,输出为双相移法进行谐波压制所需要的基波信号的频率随时间的变化图,通过该图得到其相移曲线并使用双相移法还原基波信号。使用正演模拟构建了网络的训练集和测试集,训练过程中使用更平滑的Log-Cosh损失函数监控网络性能,并在训练集和测试集中分别与传统U-Net神经网络进行对比,验证了AR2U-Net的优良性能。将AR2U-Net与双相移法相结合应用于实际数据中,表明该方法滤除效果可以得到保证,具有一定的推广价值。     

综合多特征的极化SAR图像建筑物U-Net分类方法

针对合成孔径雷达(SAR)图像不同类型建筑物的区分问题,该文提出了一种基于U-Net的极化SAR图像建筑物分类方法。该方法将极化SAR数据的Pauli分解参数、规范化圆极化相关系数和G⁰统计纹理参数作为U-Net的输入,建立建筑物分类U-Net模型,同时考虑建筑物的高度和单体面积的情况下,将建筑物分为高层、中层、低层小面积、低层厂房类大面积建筑物4类。对武汉市城区GF-3极化SAR数据的各类建筑物分类精度均在80%以上,最高达94.2%。该方法与仅使用单类别特征的U-Net网络方法以及卷积神经网络方法相比,分类结果更完整、建筑边界更准确,也更适合于复杂中心城区的不同类型建筑物的分类。