云南香格里拉地区森林优势树种决策融合分类

基于Google Earth Engine(GEE)云计算平台,协同Sentinel-2影像、WordClim生物气候数据、SRTM地形数据、森林资源二类调查数据等数据,以随机森林（Random Forest,RF）,支持向量机（Support Vector Machine,SVM）和最大熵（Maximum Entropy,MaxEnt）3种机器学习算法为组件分类器,开展多源特征、多分类器决策融合的优势树种分类研究。通过3种组件分类器分别构建了两种串行集成和3种贝叶斯并行集成模型,用于确定云南香格里拉地区10种主要优势树种的空间分布。分类结果显示：3个组件分类器的总体精度均低于67.17%;3种并行集成方法总体精度相当,约为72%;两种串行集成方法精度高于78.48%,其中MaxEnt-SVM串行集成方法获得最佳精度（OA:80.66%,Kappa:0.78）,与组件分类器相比精度至少提高了13.49%。研究表明：决策融合方法在优势树种分类中比组件分类器精度更高,并且有效改善了小样本树种的分类精度,可用于大范围山区优势树种分类。     

利用背景进行多尺度融合的多分辨率图像分割

提出了一种基于背景的小波域多分辨率图像分割新方法—CLTVWseg。与常见的多分辨率分割方法不同,该方法采用背景信息来实现尺度间的交互;同时采用可变的权重参数连接小波分解的多尺度特征场和标记场。每一尺度上,通过权重参数的调整使得该尺度的特征场和标记场在分割过程中依次起主导作用,获得该尺度更为准确的分割结果。最细尺度上的分割结果作为该方法的分割结果。实验表明,该算法的分割结果,在保持边界的同时,区域一致性也比较好。     

基于Petri网分析编排的可实现性

为了解决编排建模中存在的可实现性问题,即给定一个编排,检测编排生成的参与者间的交互与编排规约是否完全匹配,从同步通信和异步通信两个方面,提出了一种使用Petri网分析编排可实现性的方法。首先,使用映射和约简操作,实现了从编排中自动生成参与者。然后,使用强互模拟关系,分析了同步通信下编排的可实现性。最后,使用弱互模拟关系,分析了有界异步通信下编排的可实现性。实验结果表明了所提方法的有效性。     

多媒体技术对印刷业的冲击

在多媒体技术发展得如火如荼的今天,也许没有哪一个行业比印刷行业的心情更为复杂了.它的出现不仅仅在生产和商务形式上要改变印刷行业,似乎还要取代传统的印刷行业.印刷产业将何去何从,是每个印刷从业者不可回避的问题.     

基于均值漂移聚类的油罐识别

从高空间分辨率遥感影像中自动的提取油罐目标和具有重要的意义。针对传统方法计算复杂度高的不足,结合油罐和油库区域在遥感影像中体现的光谱和空间分布特点,提出一种基于均值漂移迭代聚类的油罐自动识别算法。算法基于均值漂移的分割算法进行区域的多层次合并,同时在每个分割尺度上依据形状参数检测油罐。多幅遥感影像的实验结果表明了算法具有较高的识别精度和的较低时间复杂度。     

加强重点水利工程中廉政建设的探索

结合南水北调新沂市尾水导流工程建设的情况,分析了重点水利工程廉政建设的重点,从加强体系建设、建立有效工作机制、创新"三位一体"预防措施的实践,总结和提出了加强重点水利建设中做好廉政工作的经验。