基于XQuery符号表示法的模糊时空数据查询

讨论了模糊时空数据查询的概念,研究了模糊时空数据时态查询、空间查询、属性查询和时空查询的各类查询形式及查询特性,基于XQuery提出了模糊时空数据查询的统一符号表示法,并对典型查询进行了举例说明.此外,还讨论了XQuery模糊时空扩展问题,包括XQuery表达上的扩展、处理上的扩展及体系结构上的扩展.提出的表示法可以表示时空查询语言STQL和移动目标查询语言FTL中规定的各类查询,并可以消除由不同查询表现形式带来的语义混淆,以对各类模糊时空数据查询进行统一表示.

模糊时空XML数据拓扑关系表示和确定的研究

在模糊时空数据的管理中,确定拓扑关系是模糊时空数据最为重要的操作之一.已有基于XML对模糊时空数据拓扑关系的研究工作大多是对模糊时空数据拓扑关系的定性研究.首先提出了模糊时空XML数据的模型,研究了模糊时空XML数据间拓扑关系的表示方法并定量的给出了其计算方法.之后,讨论了模糊时空XML数据模型结构的转换问题.在对编码模式进行扩展后,提出了模糊时空XML数据模型结构中位置结点的匹配算法,并通过实验验证了所提方法的性能优势.

一种模糊时空描述逻辑F-ALCT(D_(fst))

为了实现语义Web中模糊时空知识的表示与推理,提出了一种支持模糊时空具体域的模糊描述逻辑F-ALCT(D_(fst)).首先,构建了包含模糊时空区域及其时空拓扑谓词的模糊时空具体域D_(fst),给出了两个模糊时空区域之间的拓扑关系模糊度的计算方法.然后,将D_(fst)和时态操作符引入到模糊描述逻辑FuzzyALC中,构建出一种新的模糊描述逻辑F-ALCT(D_(fst)),并定义了其语法、语义和知识库.最后,给出了一个F-ALCT(D_(fst))的知识库实例.F-ALCT(D_(fst))有效地实现了语义Web中模糊时空知识的表示.

模糊时空XML数据Schema的研究

为了管理模糊时空XML数据,将若干个模糊构造子引入到XML文档中,并对XML文档的Schema进行模糊时空扩展,同时,通过修改XML文档的Schema以容纳这些新引入的模糊构造子.由此形式化提出模糊时空XML数据模型,之后分别对模糊时空XML数据模型中OID部分、ATTR部分、FP部分、FM部分以及FT部分的Schema进行扩展,并举出具体实例加以说明.通过对Schema的扩展,使其兼容模糊时空信息,方便管理模糊时空XML数据,从而可以进一步表示、推理和查询模糊时空XML数据.

基于UML类图的模糊时空数据建模

模糊性广泛存在于时空应用领域,现有的时空数据模型缺乏描述和表达模糊时空对象内在机制和语义关系的能力。通过研究模糊时空数据语义,给出了模糊时空数据模型的形式化定义,在此基础上对UML类图进行扩展,提出一种模糊时空UML数据模型,并用例子说明了模糊时空数据模型的可用性。

二维时空模糊熵运动检测中的自适应门限新算法

提出一种基于二维时空模糊熵准则自适应确定运动检测门限的新算法.通过推导给出二维模糊熵门限的快速实现形式,利用积分和迭代操作避免了传统二维模糊熵门限求解过程中点的重复计算,将灰度级为N的图像的各种运算操作次数从O(N4)降低到小于或等于O(N3).将运动检测归结为两个二值划分问题,无需已知背景分布的具体形式和参数,利用二维模糊熵准则自适应确定门限T.实验结果表明,该方法在目标和背景对比度偏低的情况下也可以提取出完整的运动信息,易于实现实时处理.

复杂场景下面向时空模糊性的人体动作检测方案研究

与严格受控环境下传统的人体动作检测不同,进行复杂场景下的动作检测时由于背景带有噪声、人体遮挡和跟踪不全导致空间和时间边界存在时空模糊性。现有的动作检测方案无法有效解决这一问题,为此,首先采用运动历史图像特征和外观特征对人体运动进行区分,然后将一个动作的候选区域看成是一个实例包,提出模拟退火多实例学习支持向量机(SMILE-SVM)算法实现人体动作检测。仿真结果表明,该算法在公共的CMU运动数据集上的性能优于现有算法。另外,还提出了一种超市客户意图检测系统,可检测拥挤的超市中客户是否有意从货架上取货,对于商家研究客户兴趣具有重大价值。

巴赫金时空体理论与《圣经》叙事的时空分析

巴赫金的时空体理论主张兼顾时间和空间两个维度对叙事作品进行综合观照,从时空维度对巴赫金的对话理论进行了定位,重在呈现时间和空间在叙事中的对话关系。对话同样是《圣经》叙事的基本展开方式之一,不仅充当着情节载体和人物塑造的重要功能,而且通过时空分析可以发现,对话性在《圣经》中的存在还使得时间与空间两大叙事元素有着独特而内在的张力关系,进而呈现出场景化重复和时空模糊的叙事特征,这种叙事特征从根本上来源于《圣经》对神圣时空的终极指向。

人工智能模型的分类临近预报产品效果检验与分析

对2019年2—10月人工智能临近预报模型的降水、雷电、雷暴大风和冰雹等4类产品分别进行了业务检验与分析,结果表明:(1)对于降水产品,随着降水量级的增大,模型预报效果变差。相对来说,模型对0~1 h降水的预报能力略优于1~2 h,模型在0~2 h内完全不能预报出站点上≥10 mm的实况小时降水。(2)对于雷电产品,总体上模型的预报能力较差,1~2 h的预报效果明显比0~1 h差。相对5与20 km半径格点化实况,当取10 km半径格点化时,模型的雷电整体预报效果最优。(3)雷暴大风与冰雹产品具有类似的特点:在适当的时空匹配方式下,模型能预报出大多数实况中出现的雷暴大风或冰雹,但虚报率高,业务应用中主要考虑消空。最大时间提前量随着空间匹配半径或时间扩展的增大而增大,相对于冰雹预报,雷暴大风预报的最大时间提前量要优于冰雹预报。当空间匹配半径取10 km和时间扩展取20 min时,既可兼顾雷暴大风和冰雹的局地性,又可保证定量检验上相对较优。

永远的现在时——沈从文、汪曾祺对乡土小说时态的非原生性选择

沈从文、汪曾祺的乡土小说在时态上具有鲜明的"永远现在时"特征。首先,它体现在沈、汪小说时间、空间的模糊性:一是整体的或大的模糊时空背景;二是沈从文笔下人物恒常的时间模糊感。其次,它体现为在文本具体时间的技术操作上,运用各种灵活多变的叙事时间策略来达到"永远现在时"效果:一是改变叙事时序、时距;二是运用反复叙事;三是在沈从文小说中,叙事者主动介入文本以实现时空的错综。沈从文、汪曾祺确立了他们所倾心的"常":人性的美好、民风的素朴。这正是湘西、苏北文化的本质所在。

时光长河之上的灵魂相遇

英国 19世纪的桂冠诗人华滋华斯 (WilliamWordsworth)与散文家匡燮在创作思维中有着许多的相似之处。他们在灵性空间的共同感受 ,在时空意识和生命观念两个层面展示了他们思维的契合点。

交通数据的时空并置模糊拥堵模式挖掘

交通拥堵是道路网络中总车流量大于道路承载量,导致交通流无法畅行的现象。基于交通流数据挖掘的拥堵模式对于解决道路交通拥堵问题具有重要的现实意义。然而,现有的研究工作未能对"交通拥堵"进行合理准确的定义,忽略了交通流数据本身具有的时空属性和交通拥堵概念本身的模糊性。该文首先将模糊集理论引入到交通拥堵的定义中,提出用模糊隶属度衡量交通拥堵程度;其次,在传统空间并置模式挖掘的基础上加入时间属性,提出时空并置模糊拥堵模式的概念;再次,在该概念的基础上提出了挖掘时空并置模糊拥堵模式的有效方法;最后,在实际数据集上对提出的方法进行了广泛的实验评估。实验结果表明:该方法在挖掘结果上优于现有方法。

Fusion of ERT Images Based on Dempster-Shafer's Evidence Theory

In this paper, an electrical resistance tomography(ERT) imaging method is used as a classifier, and then the Dempster-Shafer's evidence theory with fuzzy clustering is integrated to improve the ERT image quality. The fuzzy clustering is applied to determining the key mass function, and dealing with the uncertain, incomplete and inconsistent measured imaging data in ERT. The proposed method was applied to images with the same investigated object under eight typical current drive patterns. Experiments were performed on a group of simulations using COMSOL Multiphysics tool and measurements with a piece of porcine lung and a pair of porcine kidneys as test materials. Compared with any single drive pattern, the proposed method can provide images with a spatial resolution of about 10% higher, while the time resolution was almost the same.

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法:首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明:所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。