正则化总体最小二乘用于光学线阵遥感影像定位

针对光学线阵遥感影像几何定位中,系统误差改正参数对应系数矩阵存在误差的问题,提出了一种基于正则化总体最小二乘的光学线阵遥感影像定位方法。首先依据有理函数模型的定义,构建共线条件方程,利用线性化构建光学线阵影像定位方法和系统误差改正方法,然后依据EIV模型的定义和性质构建相应的优化目标函数,并引入正则化项,依据Lagrange条件极值原理推导基于正则化总体最小二乘的系统误差参数迭代估计方法。实验结果表明:与经典的最小二乘平差算法相比,该方法的总体定位精度提高了11.61%,且比Tikhonov正则化法的定位精度平均提高了6.06%。本文提出方法在不增加任何额外控制信息的情况下,是提高光学线阵影像定位精度的有效途径。     

基于深度学习的篇章级事件抽取研究综述

事件抽取是信息抽取领域中一项十分重要且具有挑战性的任务,在事理图谱构建、舆情监控、态势感知等方面起着举足轻重的作用。目前研究较多的是句子级事件抽取,而面对“论元分散”和“多事件”的挑战,基于深度学习的篇章级事件抽取陆续展开。总结了篇章级事件抽取的定义、主要任务和面临的挑战,分别从获取词语、句子和文档三种不同粒度的语义信息,捕获文档结构特征建模不同的图结构,融合语义信息和结构特征,以及将事件抽取转化为阅读理解、智能问答等其他任务解决方案等四个不同的维度,详细讨论了近年来篇章级事件抽取相关的模型和方法,在此基础上归纳了常用数据集,并对典型方法的抽取效果进行了评估和对比。展望了篇章级事件抽取的研究趋势。     

灾害易发区大场景可变地形特征三维建模仿真

针对传统可变地形特征三维建模方法获取的地形特征模型逼真度不高的问题,提出一种基于三维激光扫描系统的灾害易发区大场景可变地形特征建模方法.首先利用三维激光扫描系统获取灾害易发区地形地貌特征图像,然后对获取的图像进行激光脉冲信号放大、转换以及图像去噪等处理,最后在处理好的数据基础上绘制线、面、体,实现"实景复制",建立地形三维模型,完成灾害易发区大场景可变地形特征三维建模研究.结果表明:利用所提方法建立的可变地形特征三维模型逼真度较高,可高达96.5％,比传统三维建模方法分别提高6.1％、5.3％和8.2％,由此证明,基于三维激光扫描系统的建模方法具有一定可行性,为地质灾害防范提供了有效参考.     

结合TF-IDF算法和信息熵的城市热点探索——以新加坡为例

城市热点分布决定了城市的空间结构,为对城市热点进行分析,提出一种基于社交媒体签到数据的城市空间热点分析方法。首先,针对离散化的签到数据进行了时间单元和空间单元的划分,然后对划分后的签到数据进行自相关分析,检验数据的空间聚集特征;之后采用TF-IDF算法挖掘具有空间显著性的高频POI点,以确定该区域的功能划分;最后利用信息熵的概率衡量区域内人群的流动程度。以新加坡2011年1月1日至2012年1月13日的签到数据集为例,进行试验分析。结果表明,新加坡居民的日常活动和新加坡商业中心分结果符合客观事实,反应了居民日常活动及商业经济分布具有高度的相关性。     

小区三维GIS的一种集成建模方案

三维GIS是GIS的重要发展方向,在数字地球走向深入的今天更具有广阔的市场和前景。但在研发上具有不同于传统GIS的困难和问题,本文通过基于GIS数据分流、对象建模和数据管理的外化,提出一种简化小区运用的三维GIS建模方案。     

地理空间数据及其可视化矛盾分析与处理

地理空间数据是为了满足GIS的需要,面向计算机处理的一种数据.而通过地理空间数据的可视化,把数据转换成屏幕电子地图是为了满足人机交互的需要.由于地图是面向人的,因此可视化的成果需要符合人的读图习惯,但直接可视化的效果与之存在很多矛盾之处.为了使地理空间数据直接符号化能满足地图显示的需要,对地理空间数据进行可视化过程中出现的一系列矛盾进行了较系统的分析,并探讨了面状要素数据与面状符号的表示矛盾,线状要素数据与线状符号的表示矛盾、点状符号与线状符号的关系,以及注记与线状符号的关系等问题,并提出了相应的解决方案,从而使地理空间数据可视化更符合地图的要求,以提高地理空间的认知程度.     

基于地理空间数据的知识图谱构建技术研究

随着3S技术迅猛发展,地理空间数据呈现出爆发式增长趋势,基于地理空间数据构建知识图谱,实现数据到空间知识的转换成为亟待解决的科学问题。针对通用知识图谱仅以属性和语义关系表示空间知识,以及空间关系相对缺失等问题,该文首先描述了空间关系的表示方法;其次,提出了基于空间关系的知识图谱构建技术流程,重点研究空间关系抽取和表示以及多源地理空间数据融合的问题,实现了地理知识图谱构建;最后,论述知识图谱在地理空间领域的应用方向。该研究可以促进地理空间数据和语义网技术的整合,实现网络文本空间化、空间数据语义化,进一步提高智能化服务水平。     

基于网格的大型船舶轨迹停留检测方法

为了提高大型船舶轨迹的停留检测效率，提出一种基于网格的停留轨迹检测方法，通过对矢量轨迹进行网格化提高运算效率，以轨迹点总停留时间作为网格密度解决轨迹点采样时间不均的问题。为了验证方法的实用性，采用真实样例轨迹数据进行检测和分类实验。实验结果表明：在检测效果方面，该方法检测正确率均高于88%且召回率均高于80%,能够满足停留检测的需求；在分类效果方面，其整体分类结果较为准确，能够有效区分锚泊和靠泊两种情况；在检测效率方面，该算法优于基于密度的噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)检测方法和基于空间关系的检测方法，且更适用于大数据量的处理。