基于本地差分隐私的空间数据自适应划分算法

空间位置数据分布通常具有不均匀性,不同位置区域的密度差异较大,在本地差分隐私模型中无法直接获取用户真实的位置数据,使得空间位置划分方法受到限制以及数据发布存在查询精度低、通信代价大等问题。为在本地差分隐私模型下的大规模空间数据采集和发布过程中进行空间划分,提出一种空间数据分层自适应划分算法KDG-HT。通过收集部分用户的数据来初步获取区域的分布情况,采用KD-树的思想划分区域,并利用抽样技术对用户进行分组,根据分组用户统计结果所提供的先验知识来完成多层细粒度划分。在此基础上,结合差分隐私模型的并行组合特性分层扰动用户数据,从总体上实现发布数据的ε-差分隐私保护。实验结果表明,KDG-HT算法适用于具有不同数据分布情况的大规模空间数据集,查询精度及运行效率优于RAPPOR、UG、GT-R等算法,其中与GT-R算法相比,KDG-HT算法发布数据的查询精度最高提升3倍,运行效率提高17%。

基于环境经济调度问题的空间自适应划分多目标优化

提出一种基于空间自适应划分的多目标优化算法.为了增强种群的收敛性和多样性,多维搜索空间被划分成多个网格,网格内的粒子通过共享"引导"粒子的经验信息调整自身的速度和位置,并引入年龄观测器实时记录引导粒子对Pareto解集所做的贡献,及时更新引导粒子,以增强算法的全局搜索能力.对多目标测试函数以及环境经济调度问题进行了仿真实验,实验结果表明,所提出算法能对解空间进行更加全面、充分的探索,快速找到一组分布具有较好的逼近性、宽广性和均匀性的最优解集合.

基于自适应分割的动态面光源图像空间绘制

针对图像空间绘制技术中可见性积分的计算不能达到实时,并且无法捕捉由面光源上辐射度变化引起的着色点亮度变化这两个问题,提出了一种基于自适应的空间划分技术的、在图像空间中对动态面光源效果进行绘制的方法。该方法将场景中的物体根据深度及分布情况,自适应地划分为非均匀的体素,同时构建场景中深度和法向变化量的多级纹理,并利用存储在这些体素和纹理中的信息对着色点进行快速的可见性积分和相应的光照度计算。

基于ADMD融合策略的海洋大数据索引技术研究

海洋数据具有多源、多类、多维、海量等特点,是一种典型的大数据,海洋大数据上的快速查询是该领域各类应用的基本需求.提高查询速度的关键是建立一个完善的索引结构,为此提出了一种基于时间间隔B+-tree和HSP-tree的多层索引架构ML-index(multi-layer index),分别制定样本驱动的数据融合机制(adaptive method of data merging strategy)以确定分布式时态数据分区;并基于海洋数据特性、数据单元饱和度等,提出了一种自适应空间划分方法(adaptive space partition),在此基础上建立HSP-tree作为辅助索引.实验验证在海洋数据模式下,提出的多层索引结构保证了海洋数据的查询速度,逼近线性的时间复杂度.

基于无人机高光谱影像波段选择的薇甘菊分类

薇甘菊是危害最严重的外来入侵物种之一,其生长与传播极其迅速,对我国森林生态系统造成了严重破坏,相关管理部门需要一个有效的薇甘菊监测手段。传统人工调查方式需要投入大量的人力物力,成本高昂、效率低下;近年来快速发展的高光谱遥感技术为薇甘菊的监测提供了新思路。本文以无人机搭载的Nano-Hyperspec高光谱仪获取的广东省增城林场遥感影像数据为基础,对高光谱数据进行几何校正、影像降噪处理、辐射定标及坏带波段剔除等影像预处理;运用最佳指数因子法(OIF)、自适应波段法(ABS)、自动子空间划分(ASP)与自适应波段相结合的波段选择法(ASP+ABS) 3种方法进行波段选择,获取信息量较大且波段间相关性较低的特征波段组成薇甘菊分类最佳波段组合,生成3幅遥感影像;最后采用支持向量机方法(SVM)对生成的3幅不同遥感影像进行分类,以分类结果的精度评价3种波段组合对薇甘菊高光谱特征的响应程度,选出更能反映薇甘菊的光谱特征的波段组合。试验结果表明,针对Nano-Hyperspec遥感影像数据,使用OIF波段选择法,研究区内薇甘菊的制图精度和用户精度分别为74.62%、66.52%;使用ABS波段选择法,研究区内薇甘菊的制图精度和用户精度分别为74.37%、67.43%;使用ASP+ABS波段选择法,研究区内薇甘菊的制图精度和用户精度分别达到95.98%、92.98%,分类精度最佳,相较OIF法中薇甘菊的制图精度和用户精度分别提高了21.35%、26.46%,相较ABS法中薇甘菊的制图精度和用户精度分别提高了17.15%、19.3%。可见,本文使用的子空间划分与自适应波段相结合的波段选择方法相较其他两种波段选择方法能更好地反映薇甘菊的光谱特征,可为薇甘菊监测提供有效的技术手段。

基于潜在可见集的城市三维场景实时渲染

随着城市规模和场景复杂度的不断提高,虚拟地理环境下实现大规模三维场景高逼真的实时渲染是数字城市可视化平台的瓶颈之一。通常利用区域的可见性计算来剔除三维空间数据中被遮挡而导致不可见的对象,从而提高大规模三维场景的渲染效率。针对传统区域可见性计算空间划分粒度细的问题,提出了一种自适应性空间网格划分计算潜在可见集(potentially visible set,PVS)的方法。首先构建场景区域的AABB(axis-aligned bounding box)包围盒,在水平方向上对该包围盒进行四叉树划分,在垂直方向上对该包围盒进行层次划分得到相应的空间场景单元,通过光线投射计算出空间场景单元的潜在可见集。实验结果表明,通过本文方法来计算场景单元的潜在可见集,可以大幅度提高遮挡剔除率。当相机进入某个空间场景单元后,只绘制当前场景单元的可见对象,对不可见的对象不进行绘制,从而提高实时渲染的帧率。