人民银行会计业务一体化改革设想

人民银行会计业务经历了集中、分拆的过程。早期，与会计相关的所有核算业务都集中在营业部，随着人民银行业务的丰富和发展，国库会计、货币发行会计、外汇会计先后从营业部分离出来，由相关业务部门负责管理。在当时的历史条件下，会计业务分拆有利于减轻手工核算条件下营业部门的会计核算压力，促进部门间的专业化分工。但是，随着电子化手段和支付体系的发展，会计业务分散管理带来的问题日渐突出。本文从有效利用会计资源、加强会计管理和监督角度出发，讨论人民银行会计核算再次大集中的必要性和可行性，为人民银行会计改革提供一个新的思路。

基于波段加权K均值聚类的高光谱影像分类

为了在高光谱影像分类过程中有效地利用波段信息,在传统K均值算法的基础上引入特征加权的思想,使得在聚类过程中能够充分合理利用各波段信息。该算法中,根据波段影像的熵、标准差、均值及互信息等统计信息的函数定义波段权重;根据波段对聚类的重要性定义波段-类别权重,并且定义其熵信息测度作为约束项。对Salinas高光谱影像分别采用本文算法和传统K均值算法进行实验,从总精度及Kappa值方面来看,该算法都比传统K均值算法的数值高,由此说明引入波段权重及波段-类别权重的有效性。

基于熵加权K-means全局信息聚类的高光谱图像分类

目的高光谱图像波段数目巨大,导致在解译及分类过程中出现"维数灾难"的现象。针对该问题,在K-means聚类算法基础上,考虑各个波段对不同聚类的重要程度,同时顾及类间信息,提出一种基于熵加权K-means全局信息聚类的高光谱图像分类算法。方法首先,引入波段权重,用来刻画各个波段对不同聚类的重要程度,并定义熵信息测度表达该权重。其次,为避免局部最优聚类,引入类间距离测度实现全局最优聚类。最后,将上述两类测度引入K-means聚类目标函数,通过最小化目标函数得到最优分类结果。结果为了验证提出的高光谱图像分类方法的有效性,对Salinas高光谱图像和Pavia University高光谱图像标准图中的地物类别根据其光谱反射率差异程度进行合并,将合并后的标准图作为新的标准分类图。分别采用本文算法和传统K-means算法对Salinas高光谱图像和Pavia University高光谱图像进行实验,并定性、定量地评价和分析了实验结果。对于图像中合并后的地物类别,光谱反射率差异程度大,从视觉上看,本文算法较传统K-means算法有更好的分类结果;从分类精度看,本文算法的总精度分别为92. 20%和82. 96%,K-means算法的总精度分别为83. 39%和67. 06%,较K-means算法增长8. 81%和15. 9%。结论提出一种基于熵加权K-means全局信息聚类的高光谱图像分类算法,实验结果表明,本文算法对高光谱图像中具有不同光谱反射率差异程度的各类地物目标均能取得很好的分类结果。

基于波段影像统计信息量加权K-means聚类的高光谱影像分类

针对分类过程中如何合理利用高光谱影像波段问题,提出一种基于波段影像统计量加权K-means聚类的高光谱影像分类算法.该算法的核心思想在于:由波段含有的信息量及波段间的相关性确定各波段权重,同时考虑各波段对各聚类的重要性.首先,根据波段影像的熵、标准差及均值定义波段信息量函数,根据相邻波段影像互信息定义相关性函数;其次,由上述波段信息量函数及波段间相关性函数定义波段权重函数;然后,结合波段权重和波段-类属权重定义规则化目标函数;最后,依据参数特性设计目标函数求解方案.对Salinas高光谱影像和Pavia Centre高光谱影像分别采用所提出的算法与传统K-means算法、 PCA+K-means算法及子空间波段选择+K-means算法进行对比实验,对于总精度及Kappa系数,所提出的算法都高于其他3种对比算法,结果验证了所提出算法的有效性.相对于其他3种算法而言,所提出的算法可有效改善高光谱影像分类的性能.