矢量元胞自动机中的邻域影响力度量——以深圳市为例

基于矢量元胞自动机(cellular automata, CA),对深圳市城市土地利用变更模拟中的邻域影响力进行了讨论,选取矢量密度因子及矢量邻域索引构建邻域影响力函数。根据深圳市路网数据及相关参数权重,计算地块通达度及发展为居住或生产用地的适宜度,同时结合政府规划的土地利用分区状态进行土地利用变更的模拟。使用Kappa系数对模拟结果与实际数据的一致性进行评估,评估结果表明,邻域距离半径为50 m时结合邻域影响力函数能获得比较好的模拟结果。

一种基于生物视觉感知的轮廓检测模型

提出了一种基于生物视觉的轮廓检测模型.该模型首先在研究初级视皮层结构的基础上,模拟了单个细胞的响应函数.然后通过构造一个新的邻域影响因子来描述感受野神经元间的相互影响.所提模型在充分考虑邻域刺激与中心神经元间距离、相对位置、最优朝向的差异影响下,有效地抑制了背景纹理的干扰,增强了具有相同结构神经元的响应,得到了清晰的轮廓.仿真实验表明,本模型克服了传统算法的不足,具有更好的检测准确性和稳定性,并在实际检测中得到满意的结果.

网络基础设施中重要网元子图的确定

网元子图是指大规模网络基础设施中包含承载具体业务网元的拓扑子图,网元子图可用于网络基础设施运维中的故障排查、诊断与修复.首先定义重要网元的概念;其次,为确定重要网元子图,提出一个统一框架来度量网元在结构和业务两方面的影响力,将其作为重要网元的衡量标准,并设计了从重要网元扩展生成重要网元子图的高效算法.基于真实的网络基础设施数据以及合成的业务承载数据进行实验,实验结果验证了该方法可以高效地找到高质量的重要网元子图,并用于网络基础设施的运维,提高运维的效率,节省运维的成本.

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。

不规则元胞自动机空间邻域的研究进展

对已有的不规则CA(cellular automata)模型在土地用途变更中的邻域定义及邻域影响力计算方法进行了梳理及整理。首先简述了不规则CA中如何使用图模型进行计算优化,然后介绍了6种较为常用的邻域定义,如邻接邻域、严格拓扑邻域、邻近邻域、缓冲截断邻域、宽范围邻域和动态邻域等,并总结了邻域影响力计算方法,如距离影响力、占地比例影响力、动态邻域影响力、空间外部性等。最后探讨了不规则元胞自动机空间邻域未来可能面临的挑战。

引入低对比度环境下视觉感知机制的轮廓检测模型

传统的基于视觉感知机制的轮廓检测模型在遇到边缘局部对比度低时会出现部分目标轮廓丢失现象,并且在去抑制区共线增强时会使得噪声增强或高曲率轮廓拐角处断裂.针对这些问题,提出一种引入低对比度环境下视觉感知机制的轮廓检测模型.在传统轮廓检测模型的基础上一方面引入刺激物对比度对感受野大小及侧抑制强度的调节机制;另一方面根据Gestalt知觉组织原则将去抑制区划分为邻接去抑制区和外周去抑制区,分别给予不同的增强机制.并结合数学形态学滤波方法对得到的轮廓进行噪声滤波处理.针对自然图像进行实验,结果表明本模型在解决上述问题上有显著效果,提高自然背景中轮廓提取的性能.