基于邻域因子的土地利用空间格局分析——以北京市海淀区为例

土地利用空间格局及其变化分析是土地资源可持续利用的重要指标,本文建立了一种基于邻域因子的土地利用空间格局分析方法,用于定量分析土地利用类型在不同距离邻域内的空间聚集、排斥作用及其变化趋势。并以北京市海淀区为例进行了土地利用空间格局分析,结果表明该方法可以准确描述不同土地利用类型的空间分布规律及其变化趋势。该方法可以作为常规景观指数的有益补充,还可以为土地利用变化模拟模型提供重要信息。

基于邻域关联因子耦合信息度量规则的图像修复算法

针对当前图像修复算法忽略图像纹理信息的变化度而导致修复结果中存在间断及振铃效应等不足,提出了基于邻域关联因子与信息度量规则的图像修复算法。首先,将待修复块与其邻域块的归一化互相关值引入到优先权的计算中,以构造邻域关联因子,并将其与置信度以及数据项结合计算优先权,从而获取优先修复块。利用图像块对应的均值和方差特征,建立信息度量规则,根据纹理信息的变化度对样本块的大小进行调节。最后,引入误差平方和函数,对待修复块与匹配块的相似度进行测量,获取最优匹配块,利用最优匹配块中的像素点对待修复块进行填充,实现图像的修复。通过实验结果发现,所提算法具备更高的修复质量。

图有含 (或不含 )特殊边的[a,b]-因子的邻域条件(英文)

设 G是一个 n阶图。设 1≤a<b是整数。设 H1 和 H2 是 G的任意两个边不交子图 ,它们分别具有 m1和 m5条边 ,以及 δ(G)表示最小度。证明了 :若 δ(G)≥a+m2 ,n≥ 2 (a+b- m2 ) (a+b- m1 - 1 ) /(b- m1 ) ,a≤ b- (m1 +m2 ) ,并且 |NG(x)∪ NG(y) |≥ an/(a+b- m1 ) +2 m2 对任意两个不相邻的顶点 x和 y成立 ,那么 G有[a,b] -因子 F使得 F含有 H1 的边并不含 H3 的边。

基于熵度量的空间邻域离群点查找

离群点的查找算法主要有两类:第一类是面向统计数据,把各种数据都看成是多维空间,没有区分空间维与非空间维,这类算法可能产生错误的判断或找到的是无意义的离群点;第二类算法面向空间数据,区分空间维与非空间维,但该类算法查找效率太低或不能查找邻域离群点。引入熵权的概念,提出了一种新的基于熵权的空间邻域离群点度量算法。算法面向空间数据,区分空间维与非空间维,利用空间索引划分空间邻域,用非空间属性计算空间偏离因子,由此度量空间邻域的离群点。理论分析表明,该算法是合理的。实验结果表明,算法具有对用户依赖性小、检测精度和计算效率高的优点。

改进的蜂群算法

针对蜂群算法收敛速度缓慢、容易出现早熟的问题,提出一种改进的蜂群算法(IABC)。IABC在跟随阶段食物源更新中根据邻域个体食物源质量调整信息共享程度,并且随着搜索进程减弱当前食物源的影响、增强邻域信息共享强度,使蜂群在搜索初期快速收敛到最优食物源所在区域、在搜索后期提高全局收敛性能。函数测试结果表明,IABC有效地提高了ABC的收敛速度和优化精度,特别适合复杂函数的优化问题。

蜂群算法在太阳能电池参数辨识中的应用

为了解决太阳能电池参数辨识中参数识别精度低的问题,提出了采取基于侦查蜂阶段加入遗忘因子和邻域因子的人工蜂群算法(ABS)的解决方法。ABS算法在搜索的初期通过遗忘因子和邻域因子来使侦查蜂调整路径,从而能快速收敛到最优食物源所在区域,并使全局收敛性能在搜索后期有所提高。实验及分析表明:ABS算法的优化精度明显优于粒子群优化算法、模式搜索算法、模拟退火算法和遗传算法,为太阳能参数辨识提供了一种新的方法。

基于多项式核的结构化有向树数据聚类算法

各个点在数据内部的组织结构中自然地扮演着3种不同的结构性角色,分别是毂、质心和野值.在基于邻域的聚类算法中,邻域密度因子能够识别分离数据集中的毂、质心和野值.但是,邻域密度因子对有噪声和重叠的数据往往失效.为了解决该问题,引入了基于多项式核的邻域密度因子,并在有向树框架下,提出了一种结构化的数据聚类算法,其计算复杂度线性于输入数据的大小.对带有噪声和重叠的数据集,该算法能够找到所有显著的、任意形状的不均衡聚类.在人工和真实数据集上的实验结果都证实了该算法的有效性和快速性.

基于路径相似度测量的鲁棒性谱聚类算法

传统谱聚类算法受高斯核尺度参数的影响较大,对噪声点较为敏感,并且不能利用先验信息指导聚类过程。针对以上问题,提出了一种基于路径相似度测量的鲁棒性谱聚类算法(RPB-SC)。该算法将路径聚类与谱聚类算法相结合,通过定义高斯核的邻域加权尺度因子计算相似度,再用路径聚类思想对全局相似度进行调节,同时通过成对限制先验信息辅助聚类搜索。在人工数据集和真实数据集上的实验表明,新提出的算法能有效减弱高斯核尺度参数的影响,增强对噪声点的鲁棒性,提高聚类性能。

基于新的帧间差分运动目标检测算法

针对传统的帧差分算法在运动目标检测过程中目标存在较大空洞和丢失边沿轮廓的不足,提出了一种新的运动目标检测算法。该算法对视频序列进行预处理,进行传统的帧差分运算,引入新定义的邻域综合因子来更新像素的前景概率,通过数学形态学分割处理与边缘检测结果进行逻辑"或"运算,提取出运动目标。实验结果表明,该算法能较大程度上克服了以上不足,而且识别率更高,实时性更好。

改进的APSOwM-BP网络模型在高铁沉降预测中的应用研究

针对传统BP网络算法收敛速度慢和粒子群算法早熟收敛的问题,本文提出一种带有邻域影响的自适应变异粒子群算法优化BP神经网络(APSOwM-BP)的组合模型。该算法引入了邻域最优粒子影响因子,自适应惯性权值策略,并通过识别种群的平均粒距对种群中部分粒子采取变异操作。将改进的粒子群优化算法与BP神经网络结合,建立自适应变异的粒子群算法优化BP神经网络新模型。实验结果表明,改进算法不仅有效解决了BP网络算法收敛速度慢和粒子群算法早熟收敛的问题,且在一定程度上提高了预测精度。

栖霞市土地利用空间格局的邻域关系

基于ArcGIS软件中的邻域统计模块和空间分析模块,借助邻域因子从空间和时间两个维度分别对1987—2003年间山东省栖霞市主要地类邻域关系的变化趋势进行了分析.结果表明:栖霞市不同地类之间的邻域关系随着邻域距离的增加不断增加;同种地类的邻域相关程度均表现为聚集现象,其随着邻域距离的增加不断降低;1987—2003年间,栖霞市建设用地与园地、园地与林地之间的邻域相关程度呈下降趋势,建设用地与林地、建设用地与草坡地之间的邻域相关程度呈增加趋势.控制建设用地规模、加强对耕地的保护、降低人类活动强度对林地、草坡地等自然景观的干扰,是实现栖霞市经济、生态效益协调发展的重要途径.

区域Gamma混合模型的SAR图像分割

针对传统Gamma混合模型用于SAR图像分割时忽略像素间空间相关性,导致分割结果不连续并产生大量误分割的现象,提出了区域Gamma混合模型的SAR图像分割算法。首先对图像进行分水岭分割,得到过分割区域块,然后将其作为输入样本进行基于Gamma混合模型的聚类,在模型的参数估计过程中进一步考虑区域间的空间相关性,设计邻域因子融入到迭代过程,得到邻域加权类分布概率。该算法充分利用像素间的空间相关性,能够降低噪声对分割结果的影响。通过合成图像和真实SAR图像的实验表明,本文算法能够实现SAR图像的准确分割。