基于遥感变化检测的石漠化信息自动提取

滇黔桂地区被划定为限制开发区后,石漠化的研究变得越来越热,而信息提取是这些研究的重要内容。当前石漠化信息提取主要依据静态指标进行,鉴于静态方法的不足,在动态机理剖析的基础上,综合考虑石漠化的静态景观及其动态属性,以贵州和云南交界区域为实验区,1992年和2001年两个时相的TM/ETM+影像为数据源,研究遥感变化检测方法在石漠化信息自动提取中的应用。在几何校正和辐射校正的基础上对两个时相的影像实施差值变化检测,将实验区分为变化区和无变化区两类,根据石漠化机理进一步将变化区分为石漠化区和逆石漠化区,完成石漠化信息识别,经验证Kappa系数为0.854。结果表明:遥感变化检测方法对石漠化有较好的识别效率和精度,能够为石漠化的综合防治提供科学依据。     

网络爬虫在网页信息提取中的应用研究

网络爬虫是为了实现网络资源下栽功能的程序,是搜索引擎最重要的构件。考虑到网络上信息的种类繁多,研究一种基于网络爬虫的网页信息提取技术,并给出相关的设计方案,对设计方案进行验证,结果表明设计的可行性。     

面向特征的STEP-NC加工方法研究

介绍了STEP-NC数据结构的基本特征，分析了STEP-NC控制器的功能结构，研究了从STEP-NC文件中直接提取制造信息并在实验平台上进行实际加工的基本方法，建立了基于特征的数控加工系统，提出了相应的实现方法和技术。最后在VC＋＋6．0和ST-Developer10集成环境下，利用开放式三维实验平台提供的运动控制器函数库和动态连接库，开发了一个基本的STEP-NC控制平台，其基本功能包括STEP-NC文件的翻译、制造信息的提取、执行和控制等，并能以特征为单位进行加工实验。     

冲压件CAPP系统中几何信息提取实现

基于对AutoCAD的DXF文件格式的详细分析，充分利用多义线的表达简洁性优点，并结合冲压件自身特点，提出了冲压件几何信息获取的方法及程序框架，详细说明了几何信息库的创建方法，并进一步采用Delphi6．0语言编程，实现了冲压几何信息库的建立和几何信息自动提取。     

资讯类新闻套图系统

考虑到图片具有对事件诠释力强,传播便利的特点,研究了从大量数据密集的新闻Web页面中自动提取数据,并组织成套图结构展现给用户。基于页面模板实现动态页面抽取和解析,处理转换为对应的套图数据结构。基于余弦相关性对来自不同网站的新闻套图数据进行去重,并根据相应的标准,为数据集进行评分排序。考虑巨大的新闻数据和用户数量,本系统基于hadoop分布式平台,满足系统的高可扩展性。本文将详细描述我们的系统设计和实现,并公布在百度资讯图片栏目上的运行结果。     

基于椭圆曲线的RFID协议的安全分析

Matinez等人已经提出了一种只依赖于椭圆曲线密码和零知识认证模式的无线射频认证协议. 本文中,我们指出该协议不能抵抗去同步化攻击. 攻击者只需拦截最后服务器发给标签的确认消息,就会导致后台服务器和标签存储的共享秘钥不一致. 对此,我们提出了修正方案,并证明了修订后的协议可以抵抗去同步化攻击.     

遥感地质解译及矿化蚀变信息提取在矿产资源评价中的应用研究

选取Landsat7ETM+和ASTER为遥感信息提取的数据源,基于ETM+数据进行信息提取,结合ASTER数据处理结果进行对比验证,对非洲某铜矿勘查区进行遥感资源评价.通过遥感影像预处理、地质解译标志建立、影像目视解译获取区内岩性与构造解译图、遥感蚀变信息的提取、圈定找矿靶区等步骤,预测了3个成矿远景区,为后续找矿奠定了基础.     

基于wordNet的类别可拓展网页分类系统

基于文本写作常采用一个意思由多个不同写法的单词来表述,研究词义文本分类法被用来替代使用关键词分类算法以提高分类准确率.分析wordNet内Synset架构,认为一个兼顾词义以及词义间关系的词义文本分类系统可应用到网页分类中.该系统同时注意到固定的文本类别结构以及结构内不断增长的文件数目间的区别,加入了基于类别信息聚类方法的类别拓展的功能.仿真实验证明,该分类系统与现有的基于语义的分类系统相比,在分类准确度性能上能提高13%.基于类别信息类聚的文本拓展功能与采用基于相似度的类聚方法的系统相比获得了一个质量更高的新增类别.     

基于高光谱数据和雷达融合的滑坡信息提取

为了改进微地形滑坡遥感影像分类技术,从而提高微地形滑坡遥感信息提取的精度,采用湖北宜昌部分地区的无人机航拍高光谱影像(HSI)和激光雷达(LiDAR)数据作为研究数据源,并对高光谱和LiDAR数据进行融合,最后采用结合注意力模块(CBAM)的卷积神经网络(CNN)方法,对融合后的数据进行滑坡信息提取。研究表明,利用高光谱和雷达数据的优势,可以更准确地提取滑坡信息。     

基于多季相Sentinel-2影像的白洋淀湿地信息提取

白洋淀湿地是华北平原上重要的浅水湖泊湿地,对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类,能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点,对白洋淀每个季节选取一期具有代表性的Sentinel-2影像,采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类,分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类,多季相影像的组合能够显著提高分类精度,春&夏季相组合能够得到最优的分类效果,相对单季影像总体分类精度提高了10.9%~25.5%,Kappa系数提高了0.09~0.29;SVM分类器的分类表现较为稳定,能够得到最高的平均分类精度,CART分类器在处理高维特征的能力不如随机森林和SVM;不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。