P2P空间矢量数据索引网络路由机制的研究与实现

随着地理信息系统的普及,越来越多的用户希望在线获取空间服务和空间数据。P2P技术为矢量地理数据的处理提供了充分的计算能力和服务能力,在P2PGIS系统中,索引网络的路由效率是主要问题之一。文中在已有的理论模型基础之上,采用结构化P2P网络协议Chord,扩展和修改JXTA路由协议规范,整合分布式哈希表（DHT）技术,实现了一个高效的、负载均衡的P2P空间矢量数据索引网络。实验结果表明,该索引网络比集中式索引网络具有更高的矢量数据传输效率。     

基于状态精细化长短期记忆和注意力机制的社交生成对抗网络用于行人轨迹预测

针对当前行人轨迹预测研究仅考虑影响行人交互因素的问题,基于状态精细化长短期记忆（SR-LSTM）和注意力机制提出一种用于行人轨迹预测的社交生成对抗网络（SRA-SIGAN）模型,利用生成对抗网络（GAN）学习获得目标行人的运动规律。首先,使用SR-LSTM作为位置编码器提取运动意图信息;其次,通过设置速度注意力机制合理地为同一场景中的行人分配影响力,以更好地处理行人的交互;最后,由解码器生成预测的未来轨迹。在多个公开数据集上的测试实验结果表明,SRA-SIGAN模型的总体表现良好。特别是在Zara1数据集上,与SR-LSTM模型相比,SRA-SIGAN模型的平均位移误差（ADE）和最终位移误差（FDE）分别减小了20.0%和10.5%;与社交生成对抗网络（SIGAN）模型相比,SRA-SIGAN的ADE和FDE分别下降了31.7%和24.4%。     

结合LiDAR单木分割和高光谱特征提取的城市森林树种分类

基于多源遥感数据的城市森林树种分类对城市森林资源调查、森林健康状况评价及科学化管理具有重要意义。以江苏省常熟市虞山国家森林公园内的典型城市森林树种为研究对象,利用同期获取的机载激光雷达(LiDAR)和高光谱数据,针对5个典型城市森林树种进行了树种分类的研究。首先,基于点云距离判断单木分割方法进行单木位置和冠幅提取,并借助实测数据和目视解译结果进行精度验证;然后,在冠幅内提取4组高光谱特征变量,并借助随机森林模型对特征变量进行重要性分析;最后,筛选出重要性高的特征变量进行2个级别的树种分类并借助混淆矩阵进行验证评价。结果表明:基于点云距离判断分割方法的单木位置提取精度较高(探测率为85.7%,准确率为96%,总体精度为90.9%);利用全部特征变量(n=36)对5个树种进行分类,分类的总体精度达到了84%,Kappa系数为0.80;利用优选特征变量(n=9)进行分类,总体精度达83%,Kappa系数为0.79;利用全部特征变量(n=36)对两种森林类型进行分类,分类的总体精度达91.3%,Kappa系数为0.82,其中阔叶树种分类精度为95.6%,针叶树种分类精度为85%;利用优选特征变量(n=9)进行分类,分类的总体精度达90.7%,Kappa系数为0.80,其中阔叶树种分类精度为93.33%,针叶树种分类精度为86.67%。     

一种基于二部图谱划分的聚类集成方法

将二部图模型引入聚类集成问题中,使用二部图模型同时建模对象集和超边集,充分挖掘潜藏在对象之间的相似度信息和超边提供的属性信息.设计正则化谱聚类算法解决二部图划分问题,在低维嵌入空间运行K-means++算法划分对象集,获得最终的聚类结果.在多组基准数据集上进行实验,实验结果表明所提出方法不仅能获得优越的结果,而且具有较高的运行效率.     

基于熵权系数法的无线传感器网络自适应QoS路由算法

针对无线传感器网络中不同业务对服务质量（QoS）指标的不同要求,以及QoS指标在网络运行过程中实时变化的特点,提出一种基于熵权系数法的自适应QoS路由（EAQR）算法。算法将路由建立过程抽象成多指标加权评分的问题,选取节点负载、平均能量势、通信时延作为QoS评价指标,采用熵权系数法自适应地确定指标的权重,选择最优节点转发数据。仿真实验显示,与有序分配路由(SAR)、能量感知QoS路由(EQR)算法相比,EAQR算法可以有效降低网络平均端到端延迟,减少丢包率,延长网络寿命。     

基于模糊最大散度差判别准则的聚类方法

基于最大散度差判别准则提出了一种模糊最大散度差准则,并根据模糊最大散度差准则提出一种聚类方法(fuzzy maximum scatter difference discriminant criterion based clustering algorithm,简称FMSDC).该方法通过迭代优化方法实现聚类的同时还可以实现特征降维.该方法首先在最大散度差判别准则中引入模糊概念;然后通过具体原则设定模糊最大散度差判别准则中的参数η,从而在一定程度上降低了由参数η引起的敏感性;最后分别根据模糊隶属度μ_ik、最优鉴别矢量ω进行聚类和特征降维.实验结果表明,FMSDC方法不但具有基本的聚类功能,而且具有较好的鲁棒性和较强的特征降维能力.     

基于K-means和颜色模型的林火辨识方法研究

为了确保火灾探测结果的可靠性和准确性,从林火燃烧时火焰和烟雾特征出发,对现有的林火探测技术进行了分析,提出了一种基于K-means和颜色模型的林火辨识方法。首先使用Kmeans算法对采集到的彩色图像进行分割,根据火灾发生时火焰和烟雾的颜色特征,采取一种改进的颜色模型对分割出来的子图像进行辨识,对疑似火焰子图像和疑似烟雾子图像进行初步确认,然后从疑似子图像中提取出火焰和烟雾的特征输入到RBF神经网络,判断是否确实发生火灾。     

生物网络无线框架的设计及其关键技术

无线计算环境将成为未来Internet的不可缺少的重要构成部分,本文在生物网络框架中对其提供了支持,并详细给出了实现生物网络平台中：(1)异步迁移及其策略;(2)无线环境QoS自适应;(3)无线安全认证这三个无线支持关键技术的方法。通过这些技术,生物网络平台可突现出安全的、可信的、能自适应于无线计算环境的服务和应用。同时,这些关键技术的解决也为利用移动对象在分布式环境下实现灵活的服务提供了一种新的解决思路。     

基于局部子域的最大间距判别分析

线性判别分析(LDA) 作为一种经典的特征提取方法被广泛地加以研究和运用, 然而LDA作为全局判别准则在一定程度上忽视了样本空间的局部结构和局部信息. 为此, 通过引入局部加权均值(LWM)并结合最大间距判别分析(MMC) 提出了具有一定局部学习能力的有监督的特征提取方法—–基于局部加权均值的最大间距判别分析(LBMMC). 算法结合了QR分解技术, 提高了其执行效率, 并通过在数据集上的测试结果表明了该算法的有效性.