基于SVM模型的妫水河叶绿素a浓度的遥感反演

以北京市妫水河为研究区,基于2011年9月25日和2012年9月30日的两期叶绿素a浓度实测数据和准同步的环境一号卫星(HJ-1A)多光谱数据,分别构建一元线性和多元支持向量机模型(SVMM),通过决定系数R2和平均相对误差对模型的精度进行检验,用模型进行水体叶绿素a浓度的反演,并分析其时空分布特征。研究表明:在样本数较少的情况下,SVM具有很强的非线性映射能力,能够取得较好的预测结果,更适用于反演叶绿素a浓度。时间分布上,研究区叶绿素a浓度呈增加趋势,均值上升了6.86μg/L;空间分布上,深水区叶绿素a浓度值低于浅水区,上游高于下游。国产HJ-1ACCD2多光谱数据以其4d的时间分辨率,在水质动态变化监测方面具有优势。

基于虚拟机技术的非可信软件对抗方法研究

当前对程序隔离技术的研究难以同时兼顾程序功能的完整性以及计算环境的重现。针对这个问题，文中对当前的隔离技术进行改进，并提出了一种新的名为SVMM（Safe Virtual Machine Model）的程序隔离技术模型，该模型能更好的支持程序功能完整性，计算环境的重现及隔离，且具有较少的开销。