共查询到17条相似文献，搜索用时 93 毫秒
1.
由于重点跟踪人员（疑犯）的社会活动监控数据可获取性差,难以直接反映疑犯的社会活动时空模式,降低了案情分析和犯罪风险预测的有效性。为此,本文提出了融合犯罪记录的位置预测（Crime Records enhanced Location Prediction,CReLP）模型,将疑犯犯罪记录信息融入协同过滤算法,预测疑犯在未来对任意位置的访问频度。该方法利用张量（Tensor）表达疑犯在不同时段和位置上的访问频度,基于疑犯的犯罪事件数据构建疑犯时空关联度矩阵,利用该矩阵约束正则化的张量分解（Tensor Decomposition）过程,以解算出张量中的缺失值,进而获得各疑犯的潜在时空分布模式。实验采用包含了241个疑犯、1.9万个位置记录的真实疑犯位置数据集进行了模型测试,结果表明本文方法在均方根误差和 top-k 最小搜寻距离2个指标上都超过其他Baseline方法32%~63%和14%~26%,大幅提高了位置时空预测的有效性和健壮性。 相似文献
2.
基于出租车用户出行的功能区识别 总被引：1，自引：0，他引：1
出租车数据作为城市大数据重要来源,其上车行为和下车行为直接反映城市人群出行行为特征,帮助城市规划者发现城市人群出行规律和城市功能结构。但是出租车数据隐含多维度信息,一维或者二维模型不足以表达和挖掘其蕴含的多维信息,因此本文选择可以承载多维数据的张量模型对出租车OD（上车/下车）数据进行时空模式挖掘。本文将北京六环区域划分为500 m×500 m格网,采用北京市2012年11月1-16日的出租车OD数据,分别构建O点和D点张量,利用张量分解模型从日尺度、时段尺度揭示出租车用户出行时间模式,同时获取不同时段对应的出租车用户出行空间模式,并推测空间模式包含的语义属性。本文结合城市兴趣点（Point of Interest, POI）数据,提高空间模式语义属性推测的准确性,识别出租车用户出行功能区。结果表明：出租车用户出行时间符合工作日和休息日的早高峰、日间、晚高峰以及夜间模式;对应8种时间模式,出租车用户出行包含8种空间模式,每一种空间模式都是对应时间模式下的上下车热点区域,因此空间模式的变化表明城市人群在不同的时间点,到达不同的场所,进行不同的活动,间接表达空间功能的动态变化;区域的功能不是单一静态的,而是随着时间在不断地变化,是不同时段功能的组合。本文揭示出租车OD数据中隐含的出租车用户出行模式和空间功能动态变化,对利用人类行为时空模式研究区域空间功能结构具有科学参考价值。 相似文献
3.
主要对小波变换在遥感图像压缩中的应用进行了研究。首先对小波变换理论及其实现进行了简要的介绍。然后,重点分析了小波变换分解层次、阈值选择对图像压缩效果的影响。利用MATLAB小波工具箱提供的小波变换函数,采用haar小波、db小波、sym小波、coif小波、bior小波进行遥感图像压缩,并对压缩效果进行了分析比较。结果表明,随着压缩倍数的增加,所需小波变换的分解层次也相应增加;但当压缩倍数选定后,对于大小一定的遥感图像,小波变换分解层次达到某一定级次时,再增加变换的分解层次,对压缩效果的作用甚微。因此,当图像大小一定时,压缩倍数和小波变换的分解层次之间存在一个较佳匹配问题。同时,通过实验数据,说明了在小波压缩过程中,阈值对压缩图像的压缩比和能量保持比的定量影响,表明将小波变换用于遥感图像压缩具有压缩比大,压缩效率高的优点。实验结果为小波变换在遥感图像压缩中的实际应用提供了理论参考。 相似文献
4.
利用麻雀搜索算法(sparrow search algorithm, SSA)优化变分模态分解(VMD),然后结合小波分解(WD),提出一种GNSS坐标时间序列降噪方法IVMD-WD。利用仿真信号和10个基准站的实测数据进行GNSS坐标时间序列降噪实验。结果表明,IVMD-WD方法的降噪效果优于经验模态分解(EMD)、集合经验模态分解(EEMD)和WD,能够更加有效地剔除GNSS坐标时间序列中的噪声。 相似文献
5.
植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地块上,构建地块的多元时间序列曲线;最后利用深度循环网络提取与学习多元时间序列的时序特征并分类。实验结果表明：① 与传统机器学习方法（如RF、SVM）相比,本文提出的深度循环网络方法的分类精度提高10%以上;② 在Sentinel-1A微波极化特征组合中VV+VH表现最好,与VV+VH+VV/VH极化特征组合的精度相近;③ 使用全年的时间影像构建时间序列分类精度最高,达到82%。研究表明,利用深度循环网络与时间序列Sentinel-1A数据的方法能够有效提高植被分类的精度,从数据源与分类方法上为森林植被分类研究提供了新的思路。 相似文献
6.
随着对地观测技术的高速发展,高分辨率地理栅格数据已被广泛应用于地貌、环境、水文等领域,传输与存储海量数据亟需通过数据压缩来解决有限信道容量的制约。本文分析了地理栅格数据特征,并基于数据保真性和压缩即时性原则,提出了融合转换压缩和编码压缩的地理栅格数据两阶段压缩方法,并从精度和效率2个视角构建了两阶段压缩方法的评价方法。利用不同大小的规则格网DEM数据,在集群系统上对两阶段压缩方法的数据保真性和压缩性能进行了测试。实验结果表明,本文构建的两阶段压缩方法在数值和地表形态上均有较好的精度,数据保真性高。同时,其压缩率一般在50%以上,解/压速率达到实时层次,能够显著地减少数据传输时间消耗,提高网络传输效率。两阶段压缩方法具有较好的普适性,可为高性能地学并行计算等领域提供技术支撑。 相似文献
7.
矢量数据压缩对于受网络带宽限制的WebGIS有着重要意义,其可减少数据存储空间,提高网络传输与处理效率。传统的矢量数据压缩方法主要从空间关系的角度出发,根据原始矢量数据点之间的距离、角度等指标,判断如何对矢量线要素或面要素进行化简,略去冗余的端点。而本文则利用已在图像压缩领域被广泛应用的变换编码的频率域压缩技术,利用能实现能量保持的离散余弦变换和特殊的量化方法,以及无损熵编码,对矢量数据实现了能控制压缩后平均误差的有损压缩。该方法无需事先根据不同的误差限值设计量化表,且能处理指定过大平均误差限值时所出现的问题,有很强的适应能力。最后,使用C#实现了该方法,并验证了方法的可靠性,完成了方法的性能测试。实验结果表明,本文提出的矢量数据压缩方法能获得较大的压缩比,且能较好地保持原始矢量数据所具有的地理形态结构特征。 相似文献
8.
一种新的固体潮观测数据特征量提取方法 总被引：2，自引：1，他引：1
将经验模态分解方法应用于固体潮观测数据的处理,通过对模态分量从频域上以及从固体潮调和分析结果上与原始观测数据进行对比证明：经验模态分解可以将固体潮观测数据完整地分离成5种特征量：潮汐观测高频信号、半日波信号、周日波信号、潮汐观测低频信号和观测数据的长趋势变化。 相似文献
9.
文章针对大坝变形受多种不确定性因素的影响,提出一种基于小波分解和最小二乘支持向量机的大坝变形预测方法。利用小波将大坝位移序列分解成不同频率特征的子序列,根据分解得到的子序列特点,同时考虑水位和温度的影响,构造不同的最小二乘支持向量机模型对子序列进行预测,最后对各子序列预测值进行重构得到最终的预测值。实验对比分析表明,该方法对大坝变形的预测具有较高的精度。 相似文献
10.
利用基于CMONOC的GPS观测数据反演中国大陆区域高精度的RIM，并将奇异谱分析(SSA)方法应用于TEC预报，判断不同序列长度对预测结果的影响，并根据w-correlation选取合适的RC迭代阶数和窗口长度。结果发现，当TEC时间序列长度为27 d，窗口长度为序列长度的1/3、迭代SSA分解的前5项时，预测效果最好。提取RIM中心网格点的TEC数据，分别以年积日1~27、101~127、201~227、301~327等4个时段的TEC序列为原始数据，基于SSA进行7 d的预测，同时建立ARMA预测模型。结果显示，相较于ARMA预测，SSA方法总体预测精度提高约10%，预测时段更长。进一步对4个时段RIM中2 911个网格点处的TEC进行预测，发现RMSE随着纬度减小而增大，预测相对精度呈现中纬度比高、低纬度略高的特点，但无论哪种精度指标，SSA预测模型均优于ARMA预测模型。 相似文献
11.
在遥感应用领域,对图像质量的要求较为严格,因此,在遥感图像数据的噪声处理中,应注重保持高质量图像。本文提出了一种基于小波变换的遥感图像有损压缩优化技术。首先分析了离散余弦变化在数据压缩中存在的缺陷与不足;其次应用小波的良好变焦性能,提出2层2维小波图像的塔式分解方案,分离出图像的直流、低频和高频分量;最后在统计意义上,基于最小均方误差原理,针对遥感图像的低频和高频分量构造最优量化器,实现图像的高质量压缩,并通过实验,得到压缩比与峰值信噪比的大致关系。 相似文献
12.
特征优选与卷积神经网络在农作物精细分类中的应用研究 总被引：1，自引：0，他引：1
农作物的精细分类一直是农业遥感领域的热点,对农作物估产和种植结构监管有重要意义。深度学习的出现为农作物分类准确性的提升提供了新的思路。本文提出一种特征优选与卷积神经网络（Convolutional Neural Networks, CNN）相结合的多光谱遥感农作物分类方法,用以解决精细分类问题。实验以哨兵2号遥感影像为数据源,基于多光谱遥感影像的波段反射率与包括归一化植被指数在内的10种植被指数,利用Relief F算法进行特征增强与优选,获取最优特征集,从而设计出基于特征优选的CNN分类方法,并对河南省原阳县主要农作物水稻、玉米、花生进行分类识别与制图,分类精度达到96.39%。同时,选用支持向量机、CNN方法分别对研究区农作物进行分类识别。对比分析3种方法的分类结果,发现本文提出的基于最优特征集的CNN农作物分类方法表现最优,CNN方法次之,支持向量机方法表现最差。实验结果表明：① 利用Relief F算法能够对特征贡献度进行排序,完成特征筛选,得到包含24个特征的最优特征子集,训练精度达到99.89%;② 基于最优特征集的CNN方法能够在最大程度上提取高精度差异性特征,实现对农作物的精细分类,且相比CNN和支持向量机的农作物分类方法,本文方法表现更佳。 相似文献
13.
������������ϵ��Ӧ������ת�� 总被引：3，自引：2，他引：1
????κ??????????????????е???????????????????????????????е???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????ITRF??WGS84???????????????????????? 相似文献
14.
针对不同排序算法对模糊度解算存在降相关性能影响的问题,从理论上分析了自然升序法、对称旋转法及扰动升序法的降相关原理,并基于模拟数据和实测数据,从降相关时间、搜索时间、总体耗时、Bootstrapping成功率及条件数5个方面对3种算法进行对比分析。结果表明,降相关效率与搜索椭球压缩程度呈负相关关系,搜索椭球压缩程度越高,降相关效率越低;对于不同的排序算法,提高降相关性能的关键在于减少降相关时间及对条件方差按一定方向排序,进而提高搜索效率。 相似文献
15.
针对地震信号中存在大量环境噪声的问题,基于天然地震事件和人工爆破事件建立初始数据集,利用集合经验模态分解（EEMD）技术对波形信号进行分解、降噪,提取出较纯净的各阶本征模态函数（IMF）分量,然后对前10阶分量分别计算分布熵,即EEMD多尺度分布熵,建立神经网络输入矩阵。应用鲸鱼优化算法（WOA）对自组织特征映射（SOM）神经网络参数（竞争层维数、网络训练次数）进行优化,针对不同训练样本寻找对应的最优参数值以改善模式识别的稳定性,从而提高地震识别率。结果表明,EEMD多尺度分布熵结合WOA-SOM模型可有效识别天然地震和人工地震。 相似文献
16.
针对墙体裂缝对比度低、受噪声干扰严重等特点,提出了一种基于张量投票和目标追踪的墙体裂缝检测算法。在对原始影像进行二值化的基础上,利用张量投票的聚类思想,突出线性区域目标的强度,然后在突出的线性目标上选取特征点,对特征点进行追踪得到裂缝的大致位置,再反投到原始影像上。实验结果表明,该算法能够正确检测出墙体裂缝信息,且检测率较高,具有一定的通用性。 相似文献
17.
采用gCAP方法反演2010~2019年山西地区87次天然地震、18次塌陷及9次爆破的全矩张量解。结果显示,gCAP方法在反演山西地区震源机制方面效果较好。2016-03-12山西盐湖ML4.8地震的断层错动方式为走滑兼正断,全矩张量解中包含非双力偶成分,属于体积缩小的内向闭合型破裂。对于山西地区的地震事件,可将全矩张量解中双力偶分量占比是否大于80%作为判别天然地震及非天然地震的依据。对于非天然地震事件,当参数ζ>0时为外向爆炸源,反之为内向闭合源。 相似文献