基于Mashup技术的房产信息网上查询系统设计与实现

针对目前房产信息管理部门信息共享难、业务流程需求变化快以及现有在线房产信息查询系统可视化程度低等问题,设计了基于Mashup的房产信息网上查询系统。该系统基于B/S架构进行二次开发,采用服务混搭技术聚合数据服务,通过地理信息系统、Silverlight和C#编程语言实现房产信息查询、房屋定位、周边设施统计等功能。测试实验表明,该系统运行稳定,使用效果良好,提高了房产信息查询速度,降低了相关部门管理成本,提高了工作效率。为城市信息化管理提供了全方位的房产信息数据支持,为公众了解、掌握和查询房产信息提供了全面的、图文并茂的信息服务。

改进的蚁群算法在房产信息网上查询系统中的应用研究

针对公众在查询房产信息时对房屋及兴趣点之间路径信息的客观性、准确性和实时性需求,研究了一种改进的蚁群算法在房产信息网上查询系统中的应用。该算法采用最优时间来代替最短路径,基于图论建立了房屋、兴趣点和路径之间的数学模型,通过设置路况状态参数和交通状态参数实现了路径的最优选择。系统经过测试验证,运行稳定,使用效果良好,提高了用户检索最优路径的速度,同时提高了用户的使用效率。将算法应用于房产信息网上查询系统中的结果表明,该方法性能良好,对于系统中的路径选择及优化具有一定的现实意义。

融合自编码与密集残差网络的滑坡易发性评价

针对滑坡易发性评价中编录样本受限、特征信息利用不足,导致预测效果不理想的问题,该文提出融合栈式自编码与密集残差网络的滑坡易发性评价方法。将传统自编码网络进行栈化,重构原始数据以强化特征表达;在卷积神经网络中引入跳层连接,通过密集连接的方式构建一种密集残差网络模型提取数据的深层特征。该文以四川省雅安市为研究区开展滑坡易发性评价,将所提模型与逻辑回归模型、CPCNN-RF模型、U-net模型进行了对比分析。实验结果表明:该方法取得最佳精度,受试者工作特征曲线下的面积为0.883,在一定程度上能够较好地适应小样本预测,易发性制图结果更为准确可靠。

边缘保护滤波和深度残差网络结合的高光谱影像分类

针对高光谱影像波段间相关度强、光谱和空间结构复杂性高和训练样本数量有限等问题,提出一种边缘保护滤波和深度残差网络结合的分类方法。首先采用联合双边滤波增强地物的边缘结构以提取出高质量的空间特征,将空间特征与光谱特征融合得到原始空谱特征;然后构建二维卷积神经网络,在卷积层中加入跳层连接将模型改进为一种深度残差网络模型;最后采用该模型提取影像的深层空谱特征并将其输入到Softmax分类器完成影像分类。实验在两个数据集上与相关先进方法比较,结果表明,本文方法考虑到了地物边缘结构的重要作用,缓解了卷积神经网络分类中的过拟合现象,显著提高了高光谱影像的分类精度。