基于ArcGIS的广州市花都区数字地质模型初步构建

广州市花都区在长期的地质工作后形成了大量的文字、图表、影像、数字等形式的原始地质资料和成果地质资料,为了更好地对这些资料进行管理和使用,笔者构建了基于ArcGIS的花都区数字地质模型,将纸质及数字资料进行数字化,转化为点、线、面、栅格、影像等要素,由要素构成各自独立的点、线、面、栅格、影像图层文件,再将所有的图层文件汇集成一个资料库。通过ArcGIS平台,根据主题的需要而引用其中某些图层组建不同主题的地图文档,通过地图文档,设置引用图层的堆叠方式、各特征属性的可视方式或隐藏,形成一幅专题地图;可以查询各图层在任意点的属性特征数据,对属性特征数据进行分析（数据运算）生成新图层和新数据,也可以提取图层或数据,创建新的模型。近年来,该模型一直在构建过程中,已有图层涉及地理地貌、基础地质、第四系、基岩、钻探工程、矿产、土壤等领域,可作为当地开展地质调查的重要工具。     

一种增量式类内局部保持降维算法

针对在线学习中的算法效率问题,提出了一种增量式类内局部保持降维算法.该算法综合考虑了基于QR分解的降维算法与保类内Fisher判别分析法的优点,根据训练过程中新增的样本进行投影矩阵在线更新,克服了传统的批量式训练方法在线学习时计算量过分冗余的缺陷.同时,通过兼顾输入样本的局部结构和全局分布状态,使得该算法能够有效地应用于多簇、重叠的数据形态.在ORL人脸库和COIL20图像库上的实验表明,该增量式算法不仅在降维效果上基本与批量式算法保持一致,而且具有较大的效率优势.     

核判别随机近邻嵌入分析方法

为了有效地解决非线性特征提取中存在的鉴别效率和样本外问题,最大限度地保持观测信息,并进一步提高相关方法的降维性能,将核学习的方法应用到判别随机近邻嵌入分析方法中,提出一种核判别随机近邻嵌入分析方法.通过引入核函数,将原空间中的样本映射到高维核空间中,构建了用于反映同类和异类数据间相似度的联合概率表达式;在此基础上,引入线性投影矩阵生成对应子空间数据;最后在类内Kullback-Leiber(KL)散度最小和类间KL散度最大的准则下建立目标泛函.该方法突出了异类样本间的特征差异,使样本变得线性可分,从而提高了分类性能.在COIL-20图像库和ORL,Yale经典人脸库上进行实验,验证了文中方法的分类鉴别能力.     

特征加权组稀疏判别投影分析算法

近来, 稀疏表示分类算法已经在模式识别和特征提取领域获得了广泛的关注. 受最近提出的稀疏表示判别投影算法启发, 本文提出了一种新的特征加权组稀疏判别投影算法(Feature weighted group sparse classification steered discriminative projection, FWGSDP). 首先, 提出特征加权组稀疏分类算法(Feature weighted group sparsebased classification, FWGSC)进行稀疏系数编码, 该算法采用带特征加权约束的保局性信息, 能够鲁棒地重构给定的输入数据; 其次, 通过类内重构散度最小、类间重构散度最大为目标计算最优投影判别矩阵, 使得输入数据具有最佳的模式分类效果; 最后, 提出迭代重约束稀疏编码方法并结合特征分解操作进行FWGSDP模型高效求解. 在ExYaleB, PIE和AR三个人脸数据库的实验验证了所提算法在普通数据和带噪数据中的分类效果都优于现存的算法.