海量多波段星表数据的交叉证认的实现

许多天文学家需要星表来选源、证认和研究。目前国外有一些大的数据中心提供了星表查询、多源查询(即小样本交叉证认)、可视化等功能。但是随着大数据量及全波段天文时代的到来,这些服务已经越来越不能满足天文学家的需求。在详细分析了国外数据中心的服务后,提出了新的问题,并给出一套解决方案。着重讨论了任意两个星表的交叉证认和大数据量星表的交叉证认的实现,以及交叉证认结果的分类和参数的自由选择等方面的课题。

利用正演计算方法分析地形和噪音对多波段遥感数据的影响

在没有干扰和噪音影响的理想条件下 ,多波段遥感数据中不同地物在散点图上的位置是一个点。但在实际情况中 ,地形和噪音大大地改变了目标分布形状。利用 DEM数字高程数据以及太阳高度角和方位角等参数计算出地表接收到的辐射能量 ,然后设置已知目标 ,利用散点图来分析不同反射率下目标所占的空间位置。再通过增加不同强度的噪音 ,分析目标在散点图上的变化规律 ,以便寻找目标分离的有效特征。

基于数据挖掘的多波段激光数据分类算法研究

针对多波段激光干涉图像中的频谱数据混叠问题,文章提出了一种基于数据挖掘技术的自相关提取分类算法。首先,采用自相关计算模式完成数据属性分类;然后,通过属性隶属度函数作为判据设计了基于特征数据挖掘的自回归平均模型;最后,采用时序衰减权值系数循环迭代的方式完成数据挖掘。实验对混合激光光源进行测试,并与传统均值分类算法和最小二乘法分类算法作了对比。仿真结果表明,该算法的分类平均误差为0.110,优于另外两种算法(0.191和0.167),并且在相同数据总量的条件下该算法的耗时最少。由此可见,该算法对多波段激光干涉图像中混叠数据的有效分离具有很好的改善作用,在混叠数据分类应用中具有一定的实用价值。

英军购买“潜艇多波段高数据率”卫星通信系统

英国《简氏防务周刊》2004年6月报道英国国防部已经为改装英国皇家海军的“特拉法尔加”级核动力攻击潜艇购买了美海军使用的“潜艇多波段高数据率”(SubHDR)卫星通信系统。

星系团数据分析方法及Python语言实现

多波段观测数据来整合分析星系团特性是研究星系特性的有效方法。由于不同的巡天项目的观测原理和工作波段等不同,各种巡天项目得到的星系观测数据格式不统一。本文描述了利用多个观测数据库来获得星系团特征数据的研究方法并给出了Python语言的实现。通过统一多波段的观测数据格式和找到中性氢观测的光学对应体,之后利用找朋友算法(Friends of Friends,FOF)进行星系团认证,从而获得分析星系团特性的数据。

遥感技术在青海省哈得尔甘地区找矿应用研究

主要运用美国landsat7(ETM+)多光谱数据在青海哈得尔甘地区提取蚀变信息,同时运用全色波段作为图像融合以及地质解译辅助数据,根据遥感提取的蚀变信息和异常特征进行找矿预测研究和圈定异常区,然后依据野外实地异常查证,为哈得尔甘地区及其他地区的找矿工作提供较好的参考价值。