甘肃省植被时空变化及其未来发展潜力

为探究甘肃省生态治理成效及未来植被提升空间,基于全省2000—2020年生长季(4—9月)MODIS EVI数据及2020年土地利用/覆被数据,采用线性回归方程及基于滑动窗口的相似栖息地潜力模型分析全省植被覆盖的时空变化特征及未来植被恢复潜力。结果表明:1)2000—2020年间,甘肃省生长季EVI以0.002/a速率显著上升,2012年后有所减缓,2016年以后再次大幅提升,近20年全省植被覆盖整体持续改善。2)2000—2020年甘肃省生长季EVI总体由东南向西北递减,年均变化速率介于-0.006~0.010/a;90%区域的植被覆盖有所改善,以陇东和陇南为主的1/3省域植被覆盖显著快速提升。3)陇南与河西分别为全省同期EVI的高值和低值区,且后者的植被覆盖增加最弱;陇中、陇东的植被覆盖变化相对缓慢。4)省内植被恢复指数成效显著,当前植被恢复潜力实现度较高,剩余植被恢复潜力度较低。其中,47.4%的裸地具备转化为绿地的潜力,草地和林地则分别有28.1%和2.5%的面积具备进一步提升的潜力。总之,近20年来甘肃省植被覆盖整体明显改善,但其空间分异特征尚未改变;剔除非自然植被后,全省整体植被覆盖度仅有10%左右的提升空间。

改进ARIMA模型在医药需求预测中的研究

为满足卫生部对三级医院库存周转率的要求,提出一种基于小波变换和相似性度量的线性改进模型。基于滑动窗口的数据流相似性原理检验原始序列,小波分解后,根据其线性特征分别搭建模型分而治之,小波重构综合各分量的预测值得到终值。仿真结果表明,该模型提高了突变节点处的预测精度,在模式和非模式集中有优秀的拟合效果和精准的预测效果,验证了该模型的有效性。

微博突发话题检测方法研究

话题检测与跟踪模型不能很好地处理随意性强、用语不规范的微博短信息。为此,提出一种基于动态滑动窗口的微博突发话题检测方法。利用窗口提取具有潜在突发性的信息,采用结合语义的归一化词频-反文档频率函数计算特征权重,构建结合语义的空间向量模型,使用Single-Pass聚类算法思想对其加以改进,生成最终聚类。实验结果表明,该算法能获得较准确的突发话题检测结果。

基于HOG特征的优化区域模板匹配检测

针对HOG算法滑动窗口检测效率低和目标特征描述不精确的问题,提出了一种基于HOG的改进算法,提高了滑动窗口的检测效率并减少了目标模板相似性对结果带来的影响.该算法利用HOG特征来描述目标的整体和各个部件,优先检测图像中目标出现概率较大的区域.对于检测评分比较接近阈值的区域使用可变形部件模型进行精确检测,从而可以避免具有轮廓相似性的模板检测结果的不准确.结果表明,该算法对于静态图片有较高的准确率,且对于很多相似度不高的分类具有较快的检测速度.