基于社交媒体的城市污染信息探测

了解城市污染状况是治理城市污染的首要环节。社交媒体中包含了能够反映人们对周围环境的感受的数据资料,可以帮助人们更直观地了解城市污染现状。本文以新浪微博为例,提出了从社交媒体中获取城市污染相关数据的方案,设计了基于社交媒体的城市污染信息分类法和可视化方法,在实验部分以北京市为例对本方法的结果进行了分析与讨论。     

社交媒体数据的获取与处理分析研究

带有地理空间信息的社交媒体数据是由众多专业和非专业用户主观发布并通过社交媒体向公众或组织提供的一种开放地理空间数据。为了高效地获取签到数据以及保证签到数据的正确性、可靠性、完整性,满足数据挖掘算法的需要,本文以微博签到数据为例,提出了获取数据的关键技术,包括调用微博API的方法、研究区域格网化的获取方法,提高了数据的获取效率。并且针对获取的原始数据提出了对其处理的方案并对获取的数据结果进行了相关的统计描述。     

反映自然灾害时空分布的社交媒体有效性探讨

针对如何将社交媒体的虚拟空间上的变化与现实空间中的灾害关联起来的问题,该文基于新浪微博平台,利用台风达维和海葵受灾地区的相关微博数据,从微博的绝对和相对数量变化、台风相关关键词词频变化以及时空分析3方面论证社交媒体与现实中的台风发展进程和受灾情况的关系。综合3方面的结果来看,微博数据与台风的发展有着相当紧密的关联,甚至可以较为准确地反映台风的实时情况,证明用社交媒体数据来分析台风灾情具有一定的有效性和可行性。     

基于社交媒体的应急信息系统设计与实现

随着手持设备的广泛普及、通信技术的高速发展,社交媒体在突发事件中发挥着重要作用。当突发事件发生时,社交媒体数据不断产生,并携带大量的应急信息,其中包括不同的应急主题、时空分布等信息。本文设计并实现了基于社交媒体的突发事件应急信息系统,重点介绍基于社交媒体的应急信息挖掘技术,以及系统实现的功能。     

融合社交媒体大数据的城市三维模型构建

通过C~#代码编写微博大数据抽取系统(定时自动抽取),自动抽取有关新街口地区消费者对商户的海量最新评论数据,从网页上获取南京新街口的GIS数据与微博数据一起形成数据库,再将数据库导入Cityengine中,通过规则建模,形成具有情感信息的三维城市。该方法能够直观地看出南京市新街口地区的情感信息,便于选择评价好的区域,实现GIS服务于人。     

利用社交媒体数据模拟城市空气质量趋势面

近年来,随着城市的发展,空气污染日益严重。目前,我国城市空气质量监测主要依靠空气质量监测站,但监测站数量有限,并且空气质量在一个城市的不同区域会出现较大起伏,单一利用监测站不易发现城市所有位置的空气质量起伏变化。对此,利用带有地理位置信息的新浪微博数据,分析空气污染相关主题微博与空气质量监测站点空气质量指数（air quality index,AQI）数据的相关性,建立两者间的函数关联,提出了一种建立城市空气质量趋势面的方法。实验结果表明,该方法不仅能定性地表现出城市不同区域的相对空气质量,也可定量、细粒度地展示城市空气质量情况。     

多源时空数据的地表分类信息挖掘

随着国土空间的发展,自然资源管理、国土空间规划等对于地表分类信息的需求日益增大,如何采用数据挖掘手段高效准确地获取地表分类信息成为目前重要的研究方向.本文在对多源数据进行分析研究的基础上,以地理国情监测、基础测绘、天地图等多源时空数据为数据源,参考第三次全国国土调查分类方案,综合采用多维度地表分类、语义规则映射、空间综...     

利用社交媒体数据探测商业区顾客空间分布

基于新浪微博签到数据,提取出顾客数据,使用Huff模型有效探测了北京市5大商业区的顾客分布。研究结果展现了商业区的顾客在空间上的分布状况,揭示了商业区之间的竞争关系,为商业决策提供依据。     

社交媒体地理大数据的旅游景点热度分析

针对大数据时代,蕴含地理位置信息的社交媒体(Social Media)数据规模正呈爆炸性增长,通过对这类时空数据的挖掘可以整合用户的群体智慧,发现热门景点或线路,为用户提供更加精细的旅行服务。该文基于2005—2016年Flickr图片分享网站中用户分享的带地理标签的图片信息,通过空间聚类以及文本语义挖掘的方法对北京市的热门景点进行了提取。此外,本文还利用北京市的历史天气信息与用户图片信息进行融合,分析在不同时间、不同天气情景下,不同景点的热度分布规律,可以为旅行爱好者提供热门景点在多种视角下的游览规律。     

微博数据挖掘的用户行为时空特征分析

针对国内既有研究对微博数据地理位置属性的关注主要集中在省域大尺度上,对微博发布时间考量不足且大多数都没有反映出地理位置随时间的变化问题,提出将微博数据的时间和空间属性结合起来,在城市中观尺度上综合分析用户行为时空特征并据此进行事件监测的方法。实验结果表明,通过格网化离散的微博数据对数据进行时空分析,可以发现用户日常行为的时空特征及其变化;通过全局自相关检验及局部自相关热点探测,依据微博热点区域的数量和属性变化可以正确发现事件所在地理位置。     

一种综合利用图像和光谱信息的物体真假模式识别方法

传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息。当研究对象的图像特征高度相似时,识别率较低,如对于真假目标的识别,仅仅利用物体的图像信息很难得到满意的识别结果。针对上述问题,提出了一种综合利用图像和光谱信息的物体真假模式识别方法。该方法采用卷积神经网络模型,通过迁移学习的方式构建图像识别模型,并依据物体图像的语义特征进行物体类别识别,在此基础上,基于逆传播（back propagation,BP）神经网络模型,结合物体的实测光谱数据进行物体真假识别。为了验证该方法的准确性和有效性,利用真假苹果和葡萄作为测试对象,单独利用图像信息和光谱信息进行识别时,识别率分别为38.50%和63.00%,而利用该综合方法得到的识别率为95.00%。可认为该方法提高了真假目标混杂情况下的识别准确度,可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考,也为航天侦查载荷设计提供了新的思路。     

Band Selection for Hyperspectral Image Classification Using Mutual Information

Spectral band selection is a fundamental problem in hyperspectral data processing. In this letter, a new band-selection method based on mutual information (MI) is proposed. MI measures the statistical dependence between two random variables and can therefore be used to evaluate the relative utility of each band to classification. A new strategy is described to estimate the MI using a priori knowledge of the scene, reducing reliance on a "ground truth" reference map, by retaining bands with high associated MI values (subject to the so-called "complementary" conditions). Simulations of classification performance on 16 classes of vegetation from the AVIRIS 92AV3C data set show the effectiveness of the method, which outperforms an MI-based method using the associated reference map, an entropy-based method, and a correlation-based method. It is also competitive with the steepest ascent algorithm at much lower computational cost     

基于目标分解及纹理信息的全极化SAR影像分类

全极化SAR影像含有丰富的特征信息,针对单一特征用于分类难以达到满意精度的问题,提出一种基于不同目标分解方法及纹理信息的SVM(Support Vector Machine,SVM)全极化SAR影像监督分类方法。结果表明,Cloude分解和Yamaguchi分解在极化特征信息提取时各有优势,且都优于Freeman分解效果;Cloude分解和Yamaguchi分解结合作为极化特征信息时,分类总体精度相对较高;纹理信息与极化特征信息在表现地物特性方面具有互补性,结合纹理信息后,分类总体精度提高了4.92%,为90.86%,Kappa系数为0.8754。     

基于空间特征与纹理信息的高光谱图像半监督分类

传统高光谱图像分类方法主要使用图像的光谱特征信息,没有充分利用高光谱图像的空间特性及样本的其他信息。本文提出了一种基于空间特征与纹理信息的高光谱图像半监督分类方法。首先,将高光谱图像每一像素的光谱特征与其邻域范围内的光谱特征进行结合,得到了这一像素的空-谱特征;然后用灰度共生矩阵提取了高光谱图像的纹理特征,并与空-谱特征进行了融合;最后,用基于图的半监督分类算法进行了分类。通过在Indian Pines数据集和PaviaU数据集上进行试验,结果表明本文提出的方法能取得较高的分类结果。     

基于社交媒体的突发事件应急信息挖掘与分析

社交媒体越来越多地被看作是随人们移动的传感器,感知周围发生的事件。当突发事件发生时,大量含有位置信息的文字迅速地充斥整个社交网络。本文探讨突发事件应急信息挖掘与分析的一种新思路。基于社交媒体,建立实时应急主题分类模型,从大量、实时的文本流中快速提取、定位应急信息;针对不同主题,利用统计分析和空间分析方法,探寻突发事件的时间趋势和空间分布,为应急响应提供决策支持。     

基于DSM阴影仿真和高度场光线跟踪的影像阴影检测

介绍了一个建筑物阴影检测的模型。首先利用摄影测量学原理来计算阴影坐标。即用数字表面模型(digitalsurfacemodel,缩写为DSM)和太阳高度和方位来计算建筑物阴影的空间坐标,并由相机模型计算出每个阴影单元对应的扫描行和相机空间坐标。由高度场光线跟踪判断阴影的可见性,对可见阴影计算出它在投影图像上的坐标。然后在这个结果的基础上再对图像进行阴影的细分割。     

Robust Semi-supervised Kernel-FCM Algorithm Incorporating Local Spatial Information for Remote Sensing Image Classification

Fuzzy c-means (FCM) algorithm is a popular method in image segmentation and image classification. However, the traditional FCM algorithm cannot achieve satisfactory classification results because remote sensing image data are not subjected to Gaussian distribution, contain some types of noise, are nonlinear, and lack labeled data. This paper presents a robust semi-supervised kernel-FCM algorithm incorporating local spatial information (RSSKFCM_S) to solve the aforementioned problems. In the proposed algorithm, insensitivity to noise is enhanced by introducing contextual spatial information. The non-Euclidean structure and the problem in nonlinearity are resolved through kernel methods. Semi-supervised learning technique is utilized to supervise the iterative process to reduce step number and improve classification accuracy. Finally, the performance of the proposed RSSKFCM_S algorithm is tested and compared with several similar approaches. Experimental results for the multispectral remote sensing image show that the RSSKFCM_S algorithm is more effective and efficient.     

基于相关匹配和最大谱图像配准相结合的InSAR复图像配准方法

InSAR复图像配准是合成孔径雷达干涉3维成像技术中的重要步骤之一。为了获得高精确度的测量结果，要求两幅复图像之间配准达到亚像素级配准精确度。提出了一种将相关匹配和最大谱图像配准相结合的配准新方法。在相关匹配进行粗配准的情况下，通过插值所选控制点的值，并采用最大谱图像配准方法以亚像素单元进行精配准，其配准精确度达到亚像素级。实验结果证实了所提出方法的有效性。     

监督分类方法在图片资料专题信息提取中的应用研究

通常,遥感分类处理软件都用于遥感图像数据(如TM,SPOT等)的处理。在利用遥感分类软件(如ERDAS)对遥感图像数据进行监督分类(SupervisedClassification)时,通常采用最大似然法(MaximumLikelihood)作为平行六面体判别规则。而这种方法对于图片资料并不合适。对遥感图像处理软件ERDAS内置的3种分类判别规则进行比较,得出使用最小距离法(MinimumDis-tance)作为判别规则对于图片资料根据颜色分类有很好的效果。这种方法对于数据短缺情况下,利用分类图片资料的色彩特征提取专题信息有较好的通用性。与传统的图片交互数字化处理方法相比,该方法能在保证结果精度的前提下,大幅度减少手工勾绘的工作量。