支持向量机对采空区稳定时间的预计

支持向量机是基于结构风险最小化原理的机器学习技术,在广泛收集金属矿山采空区失稳塌陷时间资料的基础上,建立了基于支持向量机的采空区稳定时间的预计模型。通过对采空区稳定时间测试样本的预测研究表明,用支持向量机来预计采空区的稳定时间是可行的。     

旅游活动对四川黄龙景区水化学及钙华沉积速率的影响

由于其独特的钙华景观,黄龙风景区于1992年被联合国教科文组织列为世界自然遗产名录以来,每年吸引数以十万甚至百万计的国内外游客前来旅游;然而,可能由于旅游活动的影响,近年来黄龙钙华景观出现了诸多形式的退化,钙华沉积速率明显减缓即是其表现形式之一.为了阐明这一退化现象是否与旅游活动有关,从2010年5月下旬到11月初的丰...     

秦安县农村居民点空间分布景观格局分析

基于RS与GIS技术,以2008年甘肃省秦安县SPOT遥感影像为数据源,主要选职斑块面积、斑块数、平均斑块面积、斑块大小变异系数、斑块大小标准偏差、平均形状指数、平均周长．面积比、平均斑块分维数8个景观指数,从居民点用地、规模、形态、分布等方面进行景观空间格局分析。结果表明：秦安县农村居民点分布特点受坡度、坡向、高程、...     

航空矢量重力测量中载体加速度矢量的确定

首先推导了当采用相位时序差分法时利用双差观测量确定载体加速度的数学模型,理论上分析了加速度的确定精度。然后应用CHAGS的试验数据,分析出静态测量和动态测量时加速度矢量的确定精度可以达到亚毫伽级,与理论上的分析一致。可见,完全能够满足航空矢量重力测量的精度要求。     

结构分析法在突发区域性暴雨预报中的应用

SVM是近年来数学领域的一门新学科，它的应用极为广泛，颇具发展前途。如今，SVM理论已经应用于气象预报，并在对流层中高层气象数据分类应用上效果良好，为精确预报提供了坚实基础。本文简要介绍了SVM的基本思想和在气象数据分类方面的应用及其发展前景。     

武汉市土地利用/覆被与景观格局变化特征

武汉市作为武汉城市圈的核心城市,其土地利用/覆被和景观格局变化备受关注。本文基于1991年和2009年Landsat TM影像数据,采用RS、GIS和景观生态学方法,运用土地利用变化模型、土地利用转移矩阵和景观格局分析软件Fragstats3.3,对武汉市近19a的土地利用/覆盖及景观格局变化特征进行了动态研究,结果表明此成果能够为武汉市土地资源的合理开发利用和保护提供参考。     

汶川地震前后川滇地区主要断裂活动趋势分析

针对川滇地区地震活动频繁的现状,该文首先对1998—2008年和2008—2015年该地区两期GNSS连续观测数据进行解算(时间节点为汶川地震);然后结合前人对川滇区域棱形块体的划分方案,基于欧拉矢量计算方法求出各块体的欧拉矢量以及旋转极经度、旋转极纬度、旋转角速度,并通过反欧拉矢量方法反演出鲜水河-小江断裂带和龙门山断裂带的错动趋势变化。结果表明:汶川地震造成两条断裂带在错动方向和错动速率方面均有变化,并且主要集中在川滇区域北部和西部的断裂带上。     

向海湿地景观格局变化及其原因分析

以5km为环间距,将向海湿地分割为5个同心圆。选用1980年和2000年遥感影像为基本信息源,在ARC/INFO、ERDAS8.5和FRAGSTATS3.3软件的支持下,对景观指数:斑块密度、平均斑块面积、景观多样性指数和分维数进行分析。结果表明,自20世纪80年以来,向海湿地面积萎缩、斑块破碎化。人类活动强度和自然因子变化幅度的分析表明,湿地变化是人为因子和自然因子共振迭加的结果。要保护湿地,必须控制人类对向海湿地的干扰。     

Recognizing spatial distribution patterns of grassland insects: neural network approaches

The main objective of this study was to fit and recognize spatial distribution patterns of grassland insects using various neural networks, and to analyze the feasibility of neural networks for detecting spatial distribution patterns of grassland insects. BP neural network, Learning vector quantization (LVQ) neural network, linear neural network and Fisher’s linear discriminant analysis were used to fit and recognize spatial distribution patterns at different ecological scales. Various comparisons and analysis were conducted. The results showed that BP, LVQ and linear neural networks were better algorithms for recognizing spatial distribution patterns of grassland insects. BP neural network was the best algorithm to fit spatial distribution patterns. BP network may be used to recognize the spatial details of distribution patterns, and the recognition performance of BP network became better as the increase of the number of hidden layers and neurons. Performance of linear neural network for pattern recognition was similar to linear discrimination method. Linear neural network would yield better performance in finding the general trends of distribution patterns. Recognition performance of LVQ network was just between BP network and linear network. It was found that recognition performance of neural networks depended upon not only the ecological scale but also the criterion for classification. Under the uniform criterion, recognition efficiency of linear methods tended to be weak as ecological scale became to be coarser. A joint use of neural networks was suggested in order to achieve both overall and detailed understanding on spatial distribution patterns.     

一种鲁棒的基于全景视觉的足球机器人目标识别方法

由于光照的变化和全景视觉的畸变,全自主足球机器人对目标识别不稳定且有效性差,为此提出了1种基于Gabor滤波器和支持向量机(SVM)的全自主足球机器人目标识别方法。首先根据颜色特征和面积、长宽比等简单形状特征提取候选目标,候选目标中包含实际的目标和与目标颜色相近且通过上述简单形状特征判断仍无法消除的干扰。将候选目标与Gabor滤波器作卷积来提取特征向量,将特征向量输入SVM进行分类,识别出实际的目标。在机器人MT-R的足球目标识别中对该方法进行了实验,实验表明该种方法具有较好的识别精度,且满足足球机器人的实时性要求。