排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
随着新型城镇化建设成为了国家战略,各地政府掀起了智慧城市建设热潮。在智慧城市建设中,公共信息平台建设是不可或缺的重要基础环节。随着平台的深入运行,逐步积累了大量的城市数据。但是,数据资源中蕴含的知识远未得到充分挖掘和应用,致使数据爆炸但知识匮乏。因此,基于数据时空和专题属性,建立科学的城市数据体系是城市管理的迫切需求;同时,基于数据体系,揭示各类数据随时空变化规律,展现城市脉动发展情况是城市决策重要的依据,也是观察和诊治"城市病"的重要技术手段。我们以中新天津生态城所建成的大数据汇聚公共平台为依托,基于数据挖掘技术手段,针对环境、能源、交通脉动进行研究并取得初步成果,科学地揭示了"城市脉动"变化规律,使平台数据发挥最大价值。脉动分析结果以可视化手段表现,反映城市各项指标脉动变化特征。 相似文献
2.
近年来,随着我国经济持续迅速发展,环境问题日益突出,空气污染日益严重,灰霾现象频发。研究空气质量演变的时空特征,揭示空气污染的成因具有十分重要的意义。本文基于自然正交函数（EOF）分析了北京市空气质量变化的时空特征,借助地理加权回归（GWR）揭示了其驱动力。研究结果表明：①北京市PM2.5 AQI年均空间分布由南到北有减小趋势;②北京市PM2.5 AQI异常呈现西北、东南反向分布;③POI特征对PM2.5 AQI的影响具有显著的南北差异,且在中心城区的影响作用比郊区大;④土地利用特征对PM2.5 AQI影响具有显著的南北差异;⑤路网特征对PM2.5 AQI具有正向作用,在中心城区的影响比郊区大。 相似文献
3.
基于全卷积网络的高分辨遥感影像目标检测 总被引：2，自引：0，他引：2
目标检测是遥感图像分析处理中的研究热点之一,具有十分重要的科研和应用价值。传统遥感影像目标检测方法多使用人工构造的浅层次特征,结合支持向量机、随机森林、Adaboost等分类器进行目标识别,难以充分挖掘和利用影像中的深层特征。近年来,深度学习,特别是卷积神经网络在图像认知方面取得了巨大成功。在目标检测领域,以Faster R-CNN算法为代表的方法取得了突破性进展,检测精度大幅提高,检测速度达到了近实时的性能。但是,Faster R-CNN算法由于使用了感兴趣区域（RoI）池化层,各个RoI计算不共享,因此检测速度依然有待提高。R-FCN基于全卷积网络结构,同时采用位置敏感池化来引入平移变化,抵消全卷积网络造成的平移不变形问题,检测精度和效率都有了很大的提高。本文阐述了R-FCN算法原理,并运用于高分辨遥感影像目标检测分析了不同参数和网络结构对R-FCN检测效果的影响,比较了利用Fast R-CNN、Faster R-CNN和R-FCN 3种算法进行飞机识别的性能。试验结果表明,利用R-FCN进行飞机识别定位可以达到99.3%的准确率和每张图180 ms的检测速度。 相似文献
1