考虑k阶邻近林木的混交度

【目的】为了解决现有混交度不能区分单一树种在不同行间混交方式中的隔离程度问题,提出考虑k阶邻近林木的混交度(Mk)。【方法】依据地物的邻近关系对空间进行剖分,以单株木视为平面点构建Voronoi图,基于Voronoi图建立对象木的k阶邻近关系。当k取1时,Mk与其他混交度的计算公式及计算结果完全一样;当k取2或更大值时,Mk采用1/k加权,与Mg,Mv,Mp和Mc采用相同的计算方法。以湖南福寿林场杉木人工纯林为研究对象,为了进行空间结构优化与调整,在幼龄林林分内补植了观光木和鹅掌楸,采取成片补植与2个树种交叉补植2种不同的空间配置补植方案,对比分析5种不同的混交度(Mg,Mv,Mp,Mc和Mk)。【结果】在"1+n"空间结构单元中,Mg和Mp不能区分观光木和鹅掌楸补植树种在不同补植方案中的混交度,其中Mg2种补植树种的混交度均为1,Mp2种补植树种的混交度均为0.539;Mv与Mc能够区分不同补植方案杉木林的混交度,成片补植方案中杉木的混交度依次为0.027和0.039,交叉补植方案中杉木的混交度为0.043和0.045,但不能区分补植树种的单木混交度。考虑k阶邻近林木的混交度把空间结构单元从"1+n"扩展到"1+n1+n2+…+nk",本文k取2,即空间结构单元为"1+n1+n2",Mk能够区分2种补植方案杉木林与补植树种的混交度,使用Mg的计算方法(Mkg),Mkg在成片补植方案中杉木、观光木和鹅掌楸的混交度为0.098,0.641,0.645,Mkg在交叉补植方案中杉木、观光木和鹅掌楸的混交度为0.101,0.652,0.655,交叉补植方案中杉木、观光木和鹅掌楸的混交度均大于成片补植方案中的混交度,使用Mkv,Mkp,Mkc计算方法,能够得到同样的规律。【结论】本文提出考虑k阶邻近林木的混交度Mk,其空间结构单元为"1+n1+n2+…+nk",空间结构单元的形式更多样,但混交度的计算更加复杂,区分度也更高,提高了单一树种混交度的区分度,能够解决1阶邻近不能区分的混交方式,可反映单木与林分的实际混交状况,为空间结构优化与调整时准确量化混交度提供了理论依据,能够更加准确地反映森林群落中树种相互隔离状况。

点集V图-K阶邻近并行搜索算法设计与实验

K阶邻近在空间层次聚类、空间邻近分析、DEM内插等方面有着广泛应用,然而传统的串行算法无法满足大规模数据集快速搜索K阶邻近的需求。该文在分析V图-K阶邻近串行搜索算法特点的基础上,提出了一种基于MPI的并行搜索算法——PVKN(Parallel Voronoi K-order Neighbors)算法,分别对V图构建和K阶邻近搜索进行并行化,并通过实验对算法进行测试。结果表明:当求解单源点目标的K阶邻近时,构建V图的时间远远大于搜索K阶邻近的用时,仅对构建V图过程进行并行化,即可获得良好的加速效果;当对多源点目标进行求解时,搜索K阶邻近的时间随着K阶数和源目标数的增加而增长,成为影响PVKN算法效率的主要因素,对K阶邻近搜索过程进行并行化,PVKN算法加速比可达5倍以上,能有效降低运行时间。

基于Voronoik阶邻近的目标预警预报方法

利用Voronoi图实现对气象服务区域的划分,提出基于Voronoik阶邻近的目标预警预报方法,以某目标为中心构造Voronoik阶邻近,监视k阶邻近区域内的天气实况,发生危险天气立即发出警报,并报告危险天气的影响权重、危险等级和到达中心目标的时间。给出具体的算法实现以及时间和空间性能分析,实验结果验证了该方法的可行性和适用性。

Voronoi图k阶邻近并行矩阵迭代算法

针对Voronoi图k阶邻近矢量法构建复杂发生元困难,栅格法耗时长、精度受限等问题,提出了一种基于矩阵迭代的并行计算方法。以刀片机作为并行计算的硬件平台,采用Arcgis软件将MapInfo格式矢量数据转换为栅格数据,实现了MPI并行环境中Voronoi图k阶邻近的栅格计算新方法。实验结果表明,改进后的Voronoi图k阶邻近栅格并行算法明显地提高了计算效率,且在栅格Voronoi图精度较高时,运行时间的拐点后移,加速比提高。

基于Voronoi K阶邻近图的半监督学习自动图像标注

在为自动图像标注构建相似图的过程中,针对传统的方法是基于图像间的视觉相似性,其没有考虑到数据集中某个子数据集内的结构信息这一问题,提出一种基于Voronoi k阶邻近图的半监督学习自动图像标注方法。该方法充分考虑Voronoi k阶邻近图能很好地表达空间目标的影响区域以及可以方便地进行空间邻近的描述与推理的特性,将特征空间内的图像数据点分布信息融合到点对间的相似度量表示中,利用未标注样本挖掘图像特征的内在规律,然后把半监督学习的方法和多标记学习有效结合起来,从而达到对图像进行自动标注。实验结果表明,提出的标注方法可行,同时标注结果与传统的标注方法相比得到了明显改善。

利用k阶空间邻近图的空间层次聚类方法

分析了图斑k阶邻近图的特征及其层次关系,并根据k阶空间邻近图对层次聚类方法进行改进,不但使得聚类的时空信息的结合灵活有效,而且降低了算法的时空复杂度。实验证明,基于k阶空间邻近图的层次聚类具有较好的空间聚类效果。

基于OpenCV的车牌识别

针对车牌检测中关键的3个环节分别进行了改进和优化。利用数学形态学结合Canny算子实现车牌定位。在传统扫描字符算法中加入边界限定,提高字符分割的准确度。在识别环节,采用计算效率较高的KNN算法进行字符的识别。最终,在OpenCV平台上实现车牌识别。

最大空圆约束下的最邻近计算方法

移动目标的最邻近查询是位置服务的重要内容之一。本文针对地理目标分布不均的情况,将离散点集的最大空圆参数引入到最邻近查询中,提出了最大空圆约束下的k-D树最邻近查询算法。通过实验证明该算法可以有效地减少节点访问次数,减少距离计算次数,从而提高最邻近的查询效率。进而将该算法应用于移动目标的k阶邻近查询中,可以有效地减少移动点在三角网中的定位次数,改善k阶邻近的查询效率。

宽泛地理注记的投放模型

针对网络地图服务环境中的地理注记评价问题,对传统地理注记内容进行非结构化文本形式扩展,定义宽泛地理注记,用投放过程来模型化标注行为。首先,依据词频分类方法确定地理注记文本内容分类,并根据Voronoi k阶邻近关系建立投放邻域的空间相关性定量收敛描述,进而结合地理注记文本与地理注记存在邻域构建基于地理注记类型与类型转化的投放模型。实验结果表明,在已知两种类型地理注记集的实际情况下,投放模型能够有效地对新增地理注记进行合理性评价。

时空点过程:一种新的地学数据模型、分析方法和观察视角

栅格计算因其具有简单的构架成为目前地学分析的主流模型,然而,由于栅格计算平均分配计算和存储资源的弱点,不仅容易产生冗余,更重要的是难以凸显研究对象的突变部分,从而使研究者有可能忽略地学现象的变化特征。为此,本文提出将时空点过程模型应用于地学研究。时空点过程不仅适用于模拟以点事件为基本单元的地学现象,而且由于大多数地学过程可以转化为时空点过程,故其具有更广泛的应用范围。因此,时空点过程不仅是一种数据模型,同时也是地学问题的分析方法,更是观察和理解地学问题的一种新视角。为了实现从点过程数据中提取模式,作者经过多年研究提出了时空点过程层次分解理论框架,该理论与信号处理理论中的谱分析思路类似,首先,假设任意点集为有限多个均匀点过程的叠加,然后,通过点局部密度表达工具K阶邻近距离,将空间点转换为混合概率密度函数,再应用优化方法将混合密度函数进行分解得到丛集点和噪声,最终利用密度相连原理从丛集点中提取模式。该理论框架可适用于绝大多数点集数据,初步实现了点集数据的"傅里叶变换"。

顾及均衡性与易读性的放大镜式地图目标选取算法

针对放大镜式地图的信息失衡问题,以分段比例尺变化函数为投影方法,通过Voronoi k阶邻近关系建立观察目标与其邻近目标之间的联系,顾及目标分布的均衡性与目标形变的易读性,提出了Voronoi k阶邻近支持下的目标分布均衡性控制参数、Voronoi区域面积约束下的目标形变易读性控制参数,给出了两种控制参数的定量计算方法以及用于生成放大镜式地图的目标选取算法。实验结果表明,本文算法能够使得放大镜式地图中出现的目标数量保持稳定,与此同时,在放大镜边缘处变形较大的目标不再被表达,具有一定的实用价值。

核密度法的南京苏果超市分布热点探测

针对超市经营者进行选址优化和空间配置问题,该文以南京市主城区内苏果超市为例,利用平面核密度方法,对城市内零售超市的空间结构与分布模式进行分析,系统地研究不同类型超市的空间分布特征并进行热点区域的探测。研究表明,热点区域的探测结果符合商业网点分布的一般规律,南京主城区内不同类型苏果超市的空间分布表现出较大的空间区域分异:购物广场的热点分布于中心城区外围的次一级中心,社区店和标准超市的热点分布于居住区,便利店的热点大多分布于人口密集区域。