一种适用于多源道路网自动匹配的通用算法

多源数据匹配是数据转换、更新与融合的关键技术。随着GIS技术的发展以及地理信息空间数据不断增大,多源空间数据的匹配与融合成为目前GIS领域面临的重要问题。本文对多源道路网的匹配算法进行了研究,并在传统算法的基础上创建了一种可适用于多源道路网自动匹配的通用算法。该算法能够更加便捷和高效地利用道路间的拓扑特征与上下文信息关系,从而极大地提高了匹配运算的成功率和准确度。大量的数据测试表明该算法同时具有成功率高、准确度高以及通用性强等多项优点。     

结合Faster R-CNN模型的遥感影像建筑物检测

高分辨率遥感影像场景复杂,其中建筑物目标种类结构各异且存在大量遮挡,现有检测算法使用特征表达性不强。结合Faster R-CNN模型设计一种针对遥感影像的建筑物检测方法。首先通过共享卷积网络获取原始影像的深层特征图;然后结合区域建议网络生成初步检测结果;最后根据Fast R-CNN检测网络对结果进行进一步判定和边界回归。针对困难样本造成的训练中断,对训练策略进行改进,通过近似联合训练的方法对模型参数同步调优。实验结果表明,该方法准确率和召回率明显优于DPM方法,对非训练测试集遥感影像具有较好鲁棒性,有效实现了针对遥感影像的建筑物检测。     

改进的GOTURN算法

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking Using Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高。针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪。为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估。实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度。     

地理本体驱动的遥感影像面向对象分析方法

针对遥感影像面向对象分析技术存在的“分类过程中专家分析不同带来的分类结果不一致”问题,提出地理本体驱动的“地理实体描述-模型构建-影像对象分类”解译框架。首先,利用地理本体建立影像对象客观特征与地理专家知识的联系,实现对地理实体的描述与表达;其次,利用知识工程方法以及计算机可操作的形式化本体语言构建影像对象特征、分类器的本体模型,形成语义网络模型;最后,联合语义网络模型与专家规则实现影像对象的语义分类。地表覆盖分类实验结果表明,该方法不仅能够得到反映真实地理对象的遥感影像分类结果,而且能够掌握地理实体的语义信息,实现地表覆盖分类知识的共享与语义网络模型的复用,为遥感影像面向对象分析提供了一种全局性的解译分析框架及其方法。     

融合线上线下轨迹的景观热度评价

人们在线上网络空间和线下现实空间活动时, 会产生大量线上线下的痕迹(轨迹), 这种轨迹作为一种讯息会影响其他人的活动。现有研究大多单一地采用问卷调查、网络数据、GPS轨迹等方法, 忽略了移动互联时代线上线下空间活动的关联性以及历史活动足迹对日后活动的影响。基于对搜索量、签到和照片等网络大数据与线下GPS轨迹大数据的融合, 对人们线上线下活动进行时空行为模式分析, 建立基于信息素和回归分析的计算模型, 实现了对景观休憩空间的吸引力评价。以采样接近5 a的181个用户轨迹数据及相应时间段的网络大数据, 对北京28个景观进行实验, 并与单一线上或线下数据的研究方法进行比较, 结果表明所提方法不仅综合体现了景观热度, 且能够对未来的潜在游憩价值进行估计。     

基于AutoCAD土地使用权数据库建设的研究与实现

针对目前集体土地使用权数据库建设工作的主要生产环节,包括图形数据检查、属性数据录入、SHP格式导出等工序,基于AutoCAD平台,采用C++语言进行二次开发,解决传统GIS环境下才能完成的数据建库工作,实现对DWG图形数据的检查转换,使用权宗地、界址点、界址线等要素属性值的自动提取、批量赋值和修改等功能,最终导出符合数据库要求的"苍穹标准SHP文件"。方便内业生产,提高了工作效率。     

网络地理信息技术在林业检疫管理中的应用

针对林业检疫工作存在信息化程度低、管理不够科学有效的问题,本文提出将网络地理信息技术应用到林业检疫管理工作中。在对系统的逻辑框架和网络设计完成后,建立了林业检疫管理信息系统,通过内网、外网和移动终端配合,完成了林业检疫的数据采集、信息分析等业务工作以及相关单位和虫害信息的管理工作,为辅助决策提供了数据,也提高了工作效率和管理水平,对林业资源的管理和保护具有重要的现实意义。     

高寒冻土区生物结皮对土壤理化属性的影响

生物结皮是高寒地区地被层的重要组分之一。其作为地表特殊的结构层,能够改变地表结构及土壤理化属性,从而影响冻土环境。迄今为止,关于青藏高原高寒生态系统中生物结皮对土壤理化属性的影响尚不清楚。以青藏高原高寒冻土区生物结皮为研究对象,初步研究了生物结皮的特征及其对土壤理化属性的影响。结果表明：生物结皮在高寒草甸退化过程中广泛发育,主要以藻结皮为主,其盖度可达37.3%~51.7%,结皮层平均厚度为12.6 mm。由于生物结皮的发育,高寒地区5~20 cm土层粉粒含量有所增加,但差异不显著,而结皮层土壤田间持水量相比于裸地表层（2 cm）增加了10%~40%,结皮层容重较裸地降低了30%;两种类型藻结皮均显著增加了结皮层及其下0~20 cm土层土壤有机质,而深色藻结皮增加了结皮层及其下0~20 cm土层土壤全氮含量,浅色藻结皮仅增加了结皮层土壤全氮含量,对其下0~20 cm土层土壤全氮含量没有显著影响;生物结皮对土壤pH没有显著影响;生物结皮是高寒生态系统植被退化过程中的关键环节。研究结果为揭示生物结皮在高寒生态系统中发挥重要生态功能提供依据。     

基于小波长短期记忆网络的风电功率超短期概率预测

随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性.     

具有随机扰动和混合时滞的两层异质网络的同步研究

在现实生活中,很多复杂的系统不是由单个网络来表示,而是由一组相互依赖的网络系统来表示的.本文研究了具有随机扰动和混合时滞的两层异质网络的对应节点的同步控制问题.基于随机微分时滞方程的LaSalle不变原理和Lyapunov稳定性理论,采用牵制控制方法,对部分节点实施控制,给出了实现同步的充分条件.为了降低反馈控制的增益,结合自适应控制的方法,进一步弱化了两层异质网络实现同步的条件.最后,通过数值仿真,验证了理论结果的有效性.