排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
从场景整体点云数据中提取单体建筑物的点云是建筑物单体三维建模的基础。然而，现有点云提取方法在提取建筑物点云数据时往往包含部分植被、地面等非建筑数据点，不利于建筑物对象建模。针对该问题，本文提出使用CSF方法对初步提取的建筑物点云数据进行净化处理。该方法首先将场景点云数据投影生成点云图像，根据图像特征初步提取单体建筑物点云数据；然后对获得的单体建筑物点云数据采用CSF方法进行净化处理，可以获得较为纯净的单体建筑物点云数据。本文以南京师范大学仙林校区部分区域为研究对象对该方法进行了验证。结果表明，该方法可以较好地对建筑物点云数据进行净化，得到较为纯净的单体建筑物点云数据，为基于点云数据的建筑物单体模型构建打下了良好的基础。 相似文献
2.
住宅价格影响因素的研究对于购房者购买住房及政府制定相关政策具有重要影响。然而,目前对于住宅价格问题的研究大多从宏观角度进行,而从微观角度入手的相对较少。此外,对住宅价格的研究通常需要建立多元回归方程,但这样会造成多重共线性问题,导致伪回归,不能准确地分析各因素对住宅价格的影响。针对该问题,本文从微观角度出发,运用定量与定性相结合的方法,建立特征价格模型,并且选择逐步回归法对其进行修正,将其中显著性不强、经济意义不明显的变量逐步剔除,从而更准确地探究影响住宅价格的主要因素。本文以南京市住宅价格为实验数据,并初步选择12个影响因素对该方法进行验证。结果表明,该方法能够有效地剔除二级商业中心、建筑类型、生活配套设施3个显著性不强的影响因素,保留重点学校等9个影响较大的因素。本文方法更为精准地分析了住宅价格的影响因素,为购房者购买住房及政府制定相关政策提供了一定的理论基础。 相似文献
3.
时空轨迹数据关联的语义信息能更好地反映用户行为,对于POI密集分布的城市区域,轨迹的语义信息很难根据单一的距离或时间要素进行匹配,该文设计一种基于隐马尔可夫模型(HMM)的时空轨迹语义匹配方法。首先,利用时间阈值与距离阈值提取逗留点,并利用考虑时间的DBSCAN聚类方法对逗留点进行聚类,得到由抽象停留位置构成的轨迹;然后,结合POI数据获得停留位置的候选语义,再以停留位置序列为观测序列,以每个停留位置所关联的候选地点作为隐藏状态建立HMM,并用改进的加权距离的TF-IDF方法计算HMM的观测概率;最后,解算HMM得到最有可能的访问地点序列作为轨迹的语义匹配结果。该方法不依赖其他外部数据或训练数据,适用于POI密集分布的城市区域,基于真实时空轨迹数据集的实验结果验证了该方法的有效性。 相似文献
1