ArcIMS的性能优化及高可用性配置研究

基于ArcIMS可以在Web上建立稳定的、高性能的GIS服务,着重阐述了如何最大程度地利用ArcIMS的技术优势,通过Web传送地图及其数据,如何配置ArcIMS系统以减少因为故障停机的概率,以及如何调整空间数据和地图服务来提高地图服务的性能。最后进行了网络评估和多任务机制分析,为不同的应用提供了不同的解决方案。     

科技看点

<正>记忆Psychology"多任务"型头脑你具备同时使用多种媒体的能力吗?想象一下这个画面:你正在浏览博客,同时电脑上的播放器正在播放音乐;电视开着,你需要时不时地关注下足球比当你同时做3件事时,你是焦头烂额,还是游刃有余?     

基于多任务学习的地基云图识别与分割技术北大核心CSCD

云在天气预报中扮演着一个至关重要的角色,准确识别和分割地基云图可以有效指导天气预报。针对大部分现有数据集只适用于单任务学习,地基云图识别和分割技术多以单任务实现,识别检测效率低且算法鲁棒性差等问题,构建了带标签且适合多任务学习的地基云图数据集(GBCD)和GT数据集(GBCD-GT),在此基础上设计了一种基于多任务学习的地基云图识别与分割联合网络模型(GCRSegNet)。该模型首先通过卷积神经网络提取共享特征,再为每个任务设计特定网络,提取更具辨识度的特征,分割网络通过学习共享特征实现地基云图分割,识别网络通过结合共享特征和分割特征实现地基云图识别。经过多组对比试验表明,该网络能准确表征地基云图特征,使识别任务准确率达到94.28%,分割任务像素准确率达到93.85%,平均交并比达到71.58%,为实际应用提供了可能性。     

结合对抗网络与辅助任务的遥感影像无监督域适应方法

使用机器学习进行遥感影像标注的一个重要前提是有足够的训练样本,而样本的标注是非常耗时的。本文采用了域适应的方法来解决遥感影像场景分类中小样本量的无监督学习问题,提出了结合对抗网络与辅助任务的遥感影像域适应方法。首先建立了基于深度卷积神经网络的遥感影像分类框架;其次,为了学习到域不变特征,在标签分类器的基础上增加域分类器,并使域损失函数在其反射传播时的梯度与标签损失的梯度相反,从而保证域分类器不能区分样本来自于哪个域;最后引入了辅助分类任务,扩充了样本的同时使网络更具泛化能力。试验结果表明,本文方法优于主流的无监督域适应方法,在小样本遥感影像无监督分类中得到了较好的效果。     

MS-DOS环境下实时多任务系统的开发

简单陈述了为ＤＯＳ扩充多任务功能要解决的问题及实现方法。这种方法也适合大型应用软件的开发。     

自动水下航行器测量子系统实时多任务软件设计

针对多传感器测量系统中存在的单任务软件系统很难实现同步、实时测量的问题,引入了实时多任务操作系统。基于开放式、面向任务、模块化设计思想,研究了自动水下航行观测平台测量子系统的多任务软件系统。描述了多任务软件的静态结构和动态模型,实现了多传感器测量任务并发执行,保证了各个传感器测量数据的实时性和有效性。     

基于“彩虹4”无人机海洋监测平台的设计与验证

针对海洋监测中轻小型无人机抗风能力差、大范围动态监测能力不足的问题,本文以彩虹-4型中空长航时无人机为平台进行了载荷安装、电气接口及电磁兼容性设计,实现了光电吊舱、对海雷达、AIS多任务载荷的优化集成,通过开展远距离无人机通信、载荷数据与位姿信息实时同步回传、数据处理等关键技术研究,形成了一套完整的海洋监测平台软硬件系统。最后经过长时间的地面测试并在海南三亚市东部海域开展远距离飞行试验,依据应用场景及作业的紧迫程度,探索了海岛礁成图等常规监测和海上船只目标应急监测应用模式,验证了平台设计指标,其中平台续航能力优于22h,作业通讯距离达到2 300 km,在无控条件下可见光、红外、SAR成像精度分别为15.35 m、21.09 m、6.30 m。结果表明,该平台能够满足海洋监测技术要求,具有实际应用价值。     

随采地震数据处理软件开发与应用

以采煤机作为震源的回采工作面随采地震探测技术是获取精准开采地质条件、提高工作面内部地质异常体探测精度、实现无人/少人化智能开采的关键,具有广泛的应用前景。而常规的地震数据处理软件不能满足随采地震数据实时、连续不间断、大数据量等要求。通过分析随采地震探测技术的数据处理软件的需求,提出了分层、多任务的随采地震数据处理软件（SWM）的框架体系,并详细介绍了软件框架中各层、各任务的组成成分及其功能。该系统集数据管理、数据展示、数据处理和成果展示于一体,满足随采地震数据实时、连续及大数据量的需求。      

MS—DOS环境下实时多任务系统的开发

简单陈述了ＤＯＳ扩充多任务功能要解决的问题及实现方法。这种方法也适合大型应用软件的开发。