知识引导的碎片化栅格地形图比例尺智能识别

比例尺是确定地形图秘密等级的重要依据。本文针对碎片化栅格地形图比例尺判定的难题,通过凝练地图尺度特征先验知识,引导构建专家知识图像金字塔数据集(EKIPD),然后使用深度卷积神经网络算法进行建模,构建以知识为引导,以数据为驱动,以算法为核心的知识、数据与深度卷积神经网络耦合的混合智能模型。统计EKIPD中不同尺寸碎片化地形图的样本分布得到最优识别尺寸(ORS),然后以ORS为步长对待识别地形图进行切分;对每个子图分别使用模型进行预测,集成子图的预测结果得到碎片化栅格地形图的比例尺。经过试验验证,本文方法的识别精度在97%左右,证明了本文方法的有效性。

食品药品检验检测机构科研制约因素分析及对策研究

食品药品的质量是人们和国家关注的重点问题,如果质量不合格的食品药品流入市场,不仅会给人们的身体健康造成威胁,而且会给社会造成严重的不良影响,这对食品药品检验检测机构提出了更高的要求。随着新一轮机构改革的逐步完成,食品药品检验检测机构发生了一系列新的变化,并且也迎来了一些新的挑战,因此本文将主要分析食品药品检验检测机构科研制约因素,并探讨相应的解决对策。

基于混合智能的地图自动审核技术框架

地图审核是国家测绘地理信息行政主管部门的主要职责。当前我国的地图审核依赖人工目视判别,成本高、效率低。如何从高度依赖专家经验的人工检测走向混合智能的自动判断,是我国地图审核工作面临的技术难点和痛点问题。提出以知识为引导、算法为基础的地图自动审核的混合智能方法,设计了基于混合智能的地图自动审核技术框架,并指出需要重点突破的3项关键技术;并结合典型的“问题地图”智能化审核案例,给出了地图智能化审核的技术实现途径。

利用卷积神经网络进行“问题地图”智能检测

针对当前中国“问题地图”审核依赖人工目视判别效率低下的问题,提出一种端到端的小样本场景下基于卷积神经网络的多尺度特征融合自适应“问题地图”检测方法。通过对数据集进行实时增强,克服了卷积神经网络需要大量训练样本的问题。通过融合多个不同尺度下的地图,实现了多尺度下的“问题地图”显著错误区域的智能检测。利用版图错误区域属性对区域建议网络进行优化,进一步提高检测的精度。并通过实验验证了所提方法的有效性。相较于现有的“问题地图”检测方法,所提方法的准确率提高8倍,为大规模“问题地图”检测提供了新方法。