一个基于DEM的数字河网体系提取算法的应用

基于DEM提取数字河网是一种高效率获取河网信息的方法,D8算法由于直观简单,成为数字河网提取中应用最为广泛的模型之一.介绍了D8算法模型的基本原理、计算步骤以及流域水系提取阈值设定等问题,并采用这一模型对烟台市大沽夹河网DEM数据进行数字河网体系的提取,对提取的数字河网体系进行了检验.研究结果表明,在算法中不同的流域应取不同的阈值,所取阈值的范围对提取出的河网密度、精细度等有着巨大的影响.最后,指出这个算法所存在的缺点.     

基于实测河网的河流编码算法研究

提出了直接对实测河网进行河流编码的思想,设计并实现了基于实测河网的编码算法.解决了实测河网编码过程中出现的双线河转换、河段流量确定、拓扑结构描述等难题,提高了河流编码的实用性。通过对长江等流域的编码测试,验证了本文所提出方法的有效性。     

SRTM DEM数据提取河网方法及影响因素研究

从数字高程模型（Digital Elevation Models,DEM）直接提取河网及相关流域信息,是分布式水文模型开发与应用的基础。珠江三角洲地区是中国经济最发达的地区之一,是世界上公认范围最大、结构最复杂的网河流域。研究该地区河网分布及流域特征,对于流域的整体规划和水资源的有序配置具有重要意义。文中首先讨论了基于栅格DEM取流域河网水系特征信息的基本方法;然后基于SRTM DEM数据,以珠江三角洲地区为例给出了利用Arc/Info实现河网提取的具体步骤,实现了大范围区域内的流域特征信息的快速提取;最后对比分析珠江三角洲分流域河网特征。     

SRTM DEM数据提取河网方法及影响因素研究

从数字高程模型（Digital Elevation Models,DEM）直接提取河网及相关流域信息,是分布式水文模型开发与应用的基础。珠江三角洲地区是中国经济最发达的地区之一,是世界上公认范围最大、结构最复杂的网河流域。研究该地区河网分布及流域特征,对于流域的整体规划和水资源的有序配置具有重要意义。文中首先讨论了基于栅格DEM取流域河网水系特征信息的基本方法;然后基于SRTM DEM数据,以珠江三角洲地区为例给出了利用Arc/Info实现河网提取的具体步骤,实现了大范围区域内的流域特征信息的快速提取;最后对比分析珠江三角洲分流域河网特征。     

基于DEM的干旱区河网系统模拟--以柴达木盆地流域为例

数字地形模型是模拟现代环境过程的重要工具,建立具有高精度的数字高程模型成为构建分布式现代过程模型的重要内容,其中河流网络构成了流域水文模型的重要参数。根据Shreve与Strahler提出的流域结构图,进行了基于DEM的河网系统自动提取的应用研究。以柴达木盆地为例,分析1：250000与1：1000000比例尺地形图数据所建立的数字高程模型。相比较而言,在构建TIN模型中,样条插值方法在等高线内插分析中具有更好的效果;水流方向矩阵计算中格网的大小对结果有很大的影响,在地形复杂的地区表现更为明显,主要表现为随格网变大而河网系统更密集;提取河流网络的计算阈值取全流域累积矩阵的平均值,可以得到最好的图形效果。     

基于DEM的干旱区河网系统模拟——以柴达木盆地流域为例

数字地形模型是模拟现代环境过程的重要工具,建立具有高精度的数字高程模型成为构建分布式现代过程模型的重要内容,其中河流网络构成了流域水文模型的重要参数。根据Shreve与Strahler提出的流域结构图,进行了基于DEM的河网系统自动提取的应用研究。以柴达木盆地为例,分析1∶250 000与1∶1 000 000比例尺地形图数据所建立的数字高程模型。相比较而言,在构建TIN模型中,样条插值方法在等高线内插分析中具有更好的效果;水流方向矩阵计算中格网的大小对结果有很大的影响,在地形复杂的地区表现更为明显,主要表现为随格网变大而河网系统更密集;提取河流网络的计算阈值取全流域累积矩阵的平均值,可以得到最好的图形效果。     

一种基于TIN的多尺度流域河网提取算法

多尺度水文模拟是水文研究的重要领域,多尺度的流域河网是多尺度水文模拟的基础,而现有基于TIN提取算法存在河道定义单一、未处理平坦区域及不支持多尺度等不足。提出一种基于TIN的多尺度流域河网提取算法,定义谷线河道、重心—重心河道和重心—谷线河道等流域河网特征;利用回溯的方法确定平坦区域三角形的流向,进一步确定平坦区域的河道;定义基于TIN数据的汇水面积的概念,用以实现空间多尺度流域河网的提取。设计河网的二叉树拓扑结构和编码方案及算法,用于构建流域河网的空间拓扑结构为水文研究提供接口。研究及实验结果表明,提出的算法提取出的流域河网与地形数据中的实际河网吻合。     

统一设备计算架构下的栅格河网提取并行算法

针对大规模高分辨率数字地形数据提取栅格河网效率低下的问题,提出了基于统一设备计算架构(CUDA)利用淹没模型提取栅格河网的并行算法。使用图形处理器(GPU)将汇流累积量计算分解为独立的多任务并行处理,通过数据异步传输减少数据交换时间,进而加速河网提取的运算。实验结果表明,该算法运行效率明显优于串行河网提取算法,在NVIDIA Geforce GTX660上对数据量为600 MB(网格大小为9784×8507)数字高程模型(DEM)数据提取河网加速比达到62。     

屏幕编码中基于二叉树的算术编码二值化方法

在算术编码研究中,待编码的语法元素需要采用何种二值化方法以及二值化后每个比特的概率模型选择是算术编码算法设计必须面对的问题.提出了一种基于二叉树的熵编码二值化方法.该方法首先获得语法元素的统计概率分布,然后根据不同的二值化方法计算二值化后每个比特的概率分布,再通过熵编码模型的理论计算得到比特二叉树,依据二叉树中节点熵值的计算与排序,从而获得优化的二值化方法和比特概率模型分组方案.实验结果表明,该方法在屏幕编码框架下针对新的语法元素实现了平均18.06%的压缩效率提升.     

CSBTT:一种基于二叉树遍历的XML文档编码模式

XML文档数据编码模式是XML文档查询处理的基础, 好的文档编码模式有利于提高文档的查询效率. 为了解决XML数据查询效率低、支持动态更新等问题. 本文在二叉树遍历的编码基础上, 引入二叉树的三叉链表存储结构对XML文档结点进行编码. 该编码利用自然数作为编码序号, 因此编码长度较短; 引入结点双亲指针, 方便结点之间结构关系的判定, 结点采用三叉树链式存储, 方便文档的更新操作.     

GPU加速的贝叶斯网络精确推理方法研究

对于复杂输入的贝叶斯网络,精确推理时间较长。文中针对贝叶斯网络精确推理中的团树传播算法,提出了一种基于CPU-GPU异构计算平台的并行化方法。首先研究团节点间信念势更新方式,提出了节点级并行化方法加速更新过程;其次,提出了利用计算复杂度的优先级队列方法,通过拓扑级并行化加速全局推理过程;最后,通过输入不同团树结构-线性结构、两分支二叉树结构和完全二叉树结构验证算法加速效果。实验结果表明,节点级并行化方法对线性结构有明显加速效果,拓扑级并行化对两分支二叉树和满二叉树结构有明显加速效果。     

The recognition of road network from high‐resolution satellite remotely sensed data using image morphological characteristics

With the development of remote sensors and satellite technologies, high‐resolution satellite data such as IKONOS images have been available recently. By these new high‐resolution satellite data, remote sensing technologies can be successfully applied to more application areas such as extracting road network from high‐resolution satellite images. This paper proposes a newly developed approach to extract a road network from high‐resolution satellite images. The approach is based on the binary and greyscale mathematical morphology and a line segment match method. First, the outline of road network is detected based on the grey morphological characteristics. Then, the basic road network is detected by the line segment match method. Next, the detected basic road network is processed based on the knowledge about the roads and binary mathematical morphological methods. Finally, visual analysis and three indicators are used to evaluate the accuracy of the extracted road networks. The results of the accuracy evaluation demonstrate that the developed road network extraction approach can provide both good visual effect and high positional accuracy.     

一种新的半监督入侵检测方法

针对基于监督的入侵检测算法在现实网络环境中通常面临的训练样本不足的问题,提出了一种基于纠错输出编码的半监督多类分类入侵检测方法。该方法综合cop-kmeans算法的半监督思想,挖掘未标记数据中的隐含关系,扩大有标记正常网络数据的数量。该算法首先采用SVDD计算入侵检测各类别的可分程度,从而得到由不同子类构成的二叉树;然后分别对二叉树的各层节点进行编码并形成层次输出编码,得到最终的分类器。实验表明,该算法对各种类型的攻击具有更高的检测率,在现实网络环境中具有较好的实用性。     

二叉树多类SVM在网络入侵检测中的应用

本文在考察现有多类分类支持向量机(SVM)算法后,提出了一种基于二叉树结构的多分类器融合思想,融合过程充分考虑了类别之间的区分度,从而建立一颗相对优化的二叉树SVM的多类分类算法,并把改进后的多类SVM应用于入侵检测中以提高系统性能。在KDDCUP1999数据集上的实验结果表明了本方法的有效性。     

基于混合蛙跳算法的认知无线电频谱分配

提出一种二进制混合蛙跳算法和基于该算法的认知无线电频谱分配方法。对该方法与颜色敏感图论着色算法进行仿真比较,结果表明在最大化网络总效益和最大化公平效益准则下,基于二进制混合蛙跳算法的频谱分配方法的性能较高。二进制混合蛙跳算法能找到理想最优解,颜色敏感图论着色算法得到的解与理想最优解偏差较大。     

基于交叉视觉皮质模型二值图像形态学算法

交叉视觉皮质模型(ICM)的神经元受到二值图像中背景信息的激发并将点火信息在神经网络中并行传播,根据ICM具有相似神经元同步激发从而产生脉冲输出的特性,研究和实现了图像形态学的腐蚀、膨胀和骨架化.实验结果表明,利用ICM对二值图像处理的结果等同于数学形态学中的处理结果,且较传统数学形态学中的处理效率平均快3～5倍.     

智能流场特征抽取与多分辨率可视化

分析了流场特征,提出一种基于BP神经网络的可选择智能流场特征提取方法,由用户选择关注特征区域并将该区域作为输入样本进行训练,利用训练后的神经网络对新数据进行识别预处理,抽取出用户关注的特征区域;提出一种基于“鱼眼视图”技术的多分辨率流场特征绘制方法,将原始数据场采用层次细节二叉树表示,以减少绘制数据量．基于上述方法,设计并实现了一个原型系统,对用户关注区域进行详细信息显示,同时保持了整个数据场的概貌,实现了具有良好交互性的可选择流场特征可视化．     

一种基于二分搜索的网络拓扑探测方法*

网络拓扑测量是人们对网络进行管理的基础,对网络仿真与建模、网络协议设计、网络算法优化等有重要意义,网络拓扑测量的关键在于其采用的方法。通过分析制约传统的Traceroute方法和DoubleTree算法性能的关键因素,基于二分搜索的思想,提出了一种网络拓扑探测方法BisearchTrace。实验结果表明,该方法有效地降低了网络负载,加快了拓扑探测的速度,提高了网络拓扑测量的效率,具有良好的实用性。     

融合迁移学习和神经网络的皮肤病诊断方法

针对医学特征对患者病情发展的时间顺序无法有效表达,医学特征构建工作耗费大量人工成本,以及皮肤病数据样本数量较少等问题,提出了融合迁移学习和神经网络的皮肤病辅助诊断方法。该方法将TextLSTM(long short term memory neural network for text)、TextCNN(convolutional neural network for text)以及RCNN(recurrent convolutional neural networks for text classification)等3种基于神经网络的文本分类模型应用于皮肤病辅助诊断,同时融入迁移学习技术,能够在一定程度上将皮肤病专业书籍中的理论知识迁移到诊断模型中。在皮肤病多分类实验中,本文方法的正确率优于对比方法;在皮肤病二分类实验中,本文方法的召回率优于对比方法。迁移学习对实验结果的积极影响率高于75%。     

一种基于MRⅡ算法的三层二值双向联想记忆网络

传统的两层二值双向联想记忆(BAM)网络因其结构的限制存在着存储容量有限、区分小差别模式和存储非正交模式能力不足的缺陷,结构上将其扩展至三层网络是一个有效的解决思路,但是三层二值BAM网络的学习是一个难题,而三层连续型BAM网络又存在处理二值问题不方便的问题。为了解决这些问题,提出一种三层结构的二值双向联想记忆网络,创新之处是采用了二值多层前向网络的MRⅡ算法实现了三层二值BAM网络的学习。实验结果表明,基于MRⅡ算法的三层二值BAM网络极大地提高了网络的存储容量和模式区分能力,同时保留了二值网络特定的优势,具有较高的理论与实用价值。