福州海岛两种林下马缨丹入侵群落的生态位与种间联结

以福州海岛上受马缨丹(Lantana camara)入侵的台湾相思(Acacia confusa)林和桉树(Eucalyptus)林为研究对象,运用生态位宽度、生态位重叠、方差比率法、χ^(2)检验、M. Godron稳定性等方法,对马缨丹入侵群落的物种生态位、种间联结及群落稳定性进行分析。结果表明:马缨丹重要值在台湾相思和桉树林下均居前列,其生态位宽度值最大,占显著优势地位。两种林下马缨丹入侵群落的生态位重叠值总体较低,但马缨丹与台湾相思林下的豺皮樟(Litsea rotundifolia)、两面针(Zanthoxylum nitidum)、了哥王(Wikstroemia indica)、紫弹树(Celtis biondii)等及桉树林下的豺皮樟、鸡屎藤(Paederia cruddasiana)、雀梅藤(Sageretia thea)、两面针等物种存在较高的生态位重叠。台湾相思林下马缨丹入侵群落总体联结性为不显著正联结,正负联结比值大于1;桉树林下马缨丹入侵群落总体联结性为显著负联结,正负联结比值小于1。两种林下15种优势物种的χ^(2)检验结果显示,马缨丹入侵群落种间联结性总体较弱,物种独立性较强,但马缨丹与生态位重叠高的物种存在较强的种间关联性。两种林下马缨丹入侵群落的M. Godron稳定性测定结果均远离理想稳定点坐标(20,80),处于不稳定状态,相对而言,台湾相思林下马缨丹入侵群落的稳定性更高。马缨丹在两种林下均占有绝对优势,入侵群落较不稳定。

面向领域自适应的部分最优传输高光谱图像分类

针对高光谱遥感图像分类时有标注的源域训练数据与无标注目标域数据分布不一致的问题,提出基于部分最优传输的无监督领域自适应方法,实现对处于不同数据分布的高光谱遥感地物像素级分类。利用深度卷积神经网络将样本映射到潜在高维空间,根据部分最优传输理论建立样本传输方案,最小化域间分布差异,构建适配模型。采用类感知采样技术和质量分数因子自适应调整策略,促进域间类别对齐,建立全局最优传输。在两组公开高光谱遥感图像数据集上进行实验,从总体分类精度OA(%)、类别平均分类精度AA(%)、分类一致性检验Kappa(×100)等3个评价指标对像素分类结果量化比较。实验结果显示,在两组迁移任务上,相较于仅使用源域数据的基线模型,总体分类准确率分别提升2.21%和2.75%,相较于原始最优传输策略提升1.71%和2.01%,表明模型能够有效提升高光谱遥感影像中像素级地物的分类精度。

基于改进的距离正则化水平集模型的医疗图像分割

针对多边界情况下,传统的水平集模型无法区分医疗图像的目标边界与背景边界,存在多个不需要的边界,无法收敛到所需边界的问题,提出了一种改进的距离正则化水平集模型的医疗图像分割方法,该方法对原始图像采用U-Net网络进行预分割,得到目标图像的大致区域,在传统距离正则化水平集方法的基础上,引入新的边缘指示函数,加入新的正则项.实验结果表明,上述方法对多边界的超声图像和普通医疗图像的分割的有效性更高.

混合维定性空间查询语言MQS-SQL

定性空间推理的RCC理论能够比较全面地表达空间对象的拓扑关系.但由于不支持混合维空间对象,RCC不能直接用于空间查询.本文扩展了RCC,建立了能表达混合维空间关系,更适合于空间查询的空间关系模型MRCC.该模型采用GIS中常用的数据结构,支持混合维空间对象的全拓扑(mereotopology)关系,并根据混合维对象的特点建立了与维数无关的统一的方向、距离关系.利用该模型扩充了标准SQL语言的关系代数,实现了混合维定性空间查询语言MQS-SQL.

基于混沌鲶鱼效应的人工蜂群算法及应用

针对目前人工蜂群算法的早熟收敛、陷入局部极值等问题,提出一种基于混沌鲶鱼效应的改进人工蜂群算法.首先,采用随机性更高的混沌序列初始化蜂群以扩大其遍布范围;其次,集成了鲶鱼效应和混沌理论提出了混沌鲶鱼蜂,并引入了它与跌入局部极值的蜂群之间的有效竞争协调机制,从而增进蜜蜂群体跳出局部最优解、加速收敛的能力.支持向量机的学习能力主要取决于其惩罚因子C和核函数参数的合理选择,对其参数的优化可以提升其学习效果,然而现行算法均存在一定局限性.基于我们提出的改进人工蜂群算法,对支持向量机的参数进行了优化.最后,在UCI(加州大学欧文分校)数据集和行为识别真实数据集上进行了测试,验证基于改进人工蜂群算法的支持向量机具有更强的分类性能.

有向线对象细节拓扑关系模型

针对运动轨迹等有向线对象的特点,提出了细节拓扑关系模型,以解决现有模型不能区分复杂细节的问题。首先基于空间推理中4交模型的方法,定义了DLO矩阵。进而根据交分量的类型,对DLO进行细化,给出空间语义更丰富的DDLO模型。对比分析显示,与HBT等现有经典模型相比,DDLO模型能够精确描述有向线对象多次相交的细节,能区分相交与相切,而HBT模型只能分辨固定的68种简单关系。

集成多方面信息的定性空间推理及应用

以往的定性空间或时空推理工作多数面向单一时空方面,这不符合实际应用需要.提出了集成拓扑、尺寸和时间3方面信息的定性表示和推理技术,并应用到时空GIS中.给出了面向GIS的拓扑、尺寸和时间的表示方法,并研究了它们之间的依赖性.提出了集成这3方面信息的约束满足问题求解算法TriRSAT.在时空GIS中,把定性时空表示用于约束关系库,把TriRSAT算法用于时空数据一致性检查和时空查询.应用结果显示,该理论和方法能有效地集成处理多方面时空信息,在时空数据库、机器人导航等领域有着广泛的应用前景.

一种高维空间数据的子空间聚类算法

传统网格聚类方法由于没有考虑到相邻网格内的数据点对考查网格的影响,存在不能平滑聚类以及聚类边界判断不清的情况。为此提出了一种高维空间数据的子空间聚类算法,扩展了相邻聚类空间。实验结果显示,克服了传统聚类的不平滑现象,使聚类边界得以很好的处理。

基于轻量和积网络及无人机遥感图像的大豆田杂草识别

为提高机器视觉在无人机等小型嵌入式设备中杂草识别的准确率,该文以大豆苗中常见禾本科杂草和阔叶型杂草为研究对象,针对传统和积网络在图像分类任务中模型参数多、训练时间长、含有较多冗余节点和子树的问题,该文改进传统和积网络的学习过程,提出一种以小批量数据作为输入的轻量和积网络。在结构学习中,当积节点作用域内的变量个数小于一定阈值时,合并积节点为多元叶节点,否则将积节点重组为和积混合结构,并对边缘节点进行裁剪,有效降低了模型的参数量和复杂度。在参数学习中,提出贝叶斯矩匹配更新网络参数,使得模型对小样本的学习效率更高。最后结合K均值聚类算法应用于无人机图像中的杂草识别。试验结果表明,利用该方法对无人机图像中大豆苗、禾本科杂草、阔叶型杂草以及土壤的平均识别准确率达99.5%,高于传统和积网络和传统AlexNet。并且模型平均参数量仅为传统和积网络的33%,内存需求最大时减少了549 M,训练时间最多减少了688.79 s。该研究可为轻量和积网络模型在无人机喷洒农药中的杂草识别提供参考。

基于全局与局部形状特征融合的形状识别算法

经典的全局形状识别算法虽然高效,但在处理形变方面存在不足。局部形状识别算法拥有良好的检索率,但在辨别力方面的效果却有待提高。为解决上述问题,本文提出一种基于特征点分类的融合框架,该框架不仅融合了全局与局部算法的优势,还弥补了二者的不足。一些经典的形状识别算法采用提取特征点的方式来构建形状特征直方图,本文在此基础上,将提取到的特征点进一步分类,针对不同类别的特征点集合采用不同的形状识别算法进行描述,并将匹配结果进行融合,充分发挥了全局与局部算法的优势。实验结果表明,本文提出的框架能够有效结合不同算法实现形状的识别并获得更好的效果。

基于深度神经网络剪枝的两阶段遥感图像目标检测

在高分辨率遥感图像目标检测中,受云雾、光照、复杂背景、噪声等因素影响,现有目标检测方法虚警率高、速度慢、精确度低.为此提出基于深度神经网络剪枝的两阶段目标检测(object detection based on deep pruning,ODDP)方法.首先,给出深度神经网络剪枝方法,基于深度神经网络剪枝分别提出自主学习区域提取网络算法与优化训练分类网络算法;然后,将上述两算法用于卷积神经网络,得到两阶段目标检测模型.实验结果表明,在NWPU VHR-10高分辨率遥感数据集上,相比现有目标检测方法,ODDP的检测速度和精度均有一定提升.

混合维拓扑和尺寸关系的定性空间推理

定性空间推理(QSR)研究空间关系,多数工作集中在单维空间关系,但在地理信息系统(GIS)中多维对象很常见.混合维对象空间关系是指点、线和区域3类对象出现在同一场景的情况,该类问题对定性空间推理研究有着重要的理论意义和应用价值,但这方面的研究工作还比较少.在已有的混合维区域连接演算的基础上进行完善,提出了MRCC5混合维拓扑模型,并研究了其上约束满足推理问题的复杂度.对定性尺寸关系进行了混合维扩展,给出了MDS模型,进而研究了其推理问题.在以上工作基础上,提出了RCC5和MDS的结合模型,给出并分析了结合模型的推理算法.将定性空间推理相关研究推广到混合维领域,深入研究了混合维拓扑关系推理,提出了混合维尺寸以及混合维拓扑尺寸结合模型.

OPRA方向关系网络的时空推理

由于目前的有向点方向代数(OPRA)推理只关注3个空间对象的静态关系推理,本文针对n个对象的方向关系定义了OPRA方向关系网络的时空推理问题。基于约束传播和概念领域理论,利用OPRA关系之间的空间约束和时间演变规律,给出了OPRA方向关系网络时空推理算法,解决了n个对象间动态OPRA关系的推理问题。本文算法可以应用于机器人导航、无人机导航、舰艇导航、战场分析等领域。

基于ALC的空间语义知识库

基于经典描述逻辑ALC,提出了空间语义知识的表示方法和可判定的推理算法。将空间关系表达为一类特殊的概念,空间关系的基本运算采用公理系统表达,空间约束满足问题求解和逻辑术语推理可以在同一个推理机下进行。首次实现了空间关系和语义知识相结合并且可判定的推理,同时支持多元空间关系结合推理。此前的同类方法都是不可判定的。理论分析、应用实例和相关工作对比均显示该方法解决了空间语义知识库的关键问题,具有一定的理论意义和应用价值。

模糊空间描述逻辑及应用

提出了基于空间推理和模糊逻辑的模糊空间描述逻辑FSDL,它可以作为支持不确定性推理的空间语义Web和空间本体的理论基础。FSDL在经典描述逻辑上增加了能描述空间关系的复杂关系项和模糊化概念、关系的语法、语义。随后给出了表推理算法,并证明了其正确性和完备性。最后,基于FSDL定义了模糊RCC5关系。

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解,但现有算法存在陷入局部最优、早熟收敛等缺陷,因此提出一种改进的蚱蜢算法:采用边界反弹机制,提高算法效率;引入正余弦搜索机制,加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动,防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明,该算法在电动汽车充换电站调度优化问题上,性能优于原始蚱蜢算法以及其他现有群智能算法.

定性空间推理中区域连接演算的多维扩展

区域连接演算 (RCC)是定性空间推理 (QSR)的基础理论之一 但RCC理论只支持区域 ,不能处理包括点、线和区域在内的空间多维对象 ,这阻碍了RCC应用的发展 扩展了区域概念 ,将点和线对象视为特殊的区域 提出了能直接用RCC理论描述空间多维对象拓扑关系的MRCC理论 在保留RCC公理的前提下 ,MRCC增加了 2条新公理 ,并由此推导出了 36种MRCC基本关系 进而讨论了基于概念邻域图和复合表的推理 MRCC拓展了RCC理论的适用范围 。

基于移动对象模型的车辆监控系统

提出了一种改进的移动对象模型。该模型提供了动态时间点选择算法,能够根据对象运动速度动态调节时间点密度,有效地减少了通讯次数;定义了表达能力更强的移动对象时空关系,能支持更复杂的查询语义。理论分析和实验结果都表明该算法优于传统算法。基于该模型开发的移动对象数据库实现了车辆监控系统。

基于改进级联R-CNN的乳腺X线图像肿块检测

深度学习技术逐渐成为自动检测乳腺X线图像肿块的主流技术,然而由于肿块的大小、形状、边界、纹理存在多样性,并且肿块的信噪比比周围组织低,目前的算法仍然存在检测遗漏目标的问题.为了有效地提高检测精度,提出了一种基于空间约束和多特征融合的多级目标检测架构,命名为SC-FU-CS RCNN.首先,该框架由多个递增的重叠度(IoU)阈值训练的检测器构成,更深层的检测器可以更好地减少误报;其次,在框架中融合了卷积神经网络(CNN)的浅层与深层特征,使检测器更好地检测图像中的模糊、较小的目标;最后,添加空间约束层纳入目标周围的拓扑区域特征.实验表明,该框架在乳腺X线检查数字数据库(DDSM)平均准确率达到94.06%,优于其他相关算法.

基于时空关系的复杂交互行为识别

提出了一种基于时空关系和多观察值的三层隐马尔科夫扩展模型识别复杂交互活动的方法。根据多目标交互活动具有分层的性质和目标之间的时空关系,给出了提取3个粒度(整体,双人,单人)行为特征的方法。同时提出与之对应的多观测值三层隐马尔科夫扩展模型。实验结果表明:将新的特征提取方法和新的模型应用于复杂交互行为识别能得到较高的识别准确率和较好的鲁棒性。