面向规划编制的大数据平台现状、问题及对策探讨

文章在城市定量研究突飞猛进的背景下,在反思大数据研究者和规划编制人员存在壁垒的基础上,分析梳理了目前国内城市规划大数据平台的建设现状和存在问题。在把握发展趋势的前提下,提出了着重建设应用层平台、开发黑盒子模式、重视人机交互、重视数据维护可持续性四项建议。     

一种线性编码半随机构造LDPC码及其仿真

文章首先给出了一种消除4环的完全随机的低密度奇偶校验(LDPC)码构造法,然后通过分析快速编码计算复杂度影响因素对其进行了改进,得到一种消除4环且可线性编码的半随机构造法.仿真表明,半随机构造法相对于完全随机构造法,其性能相接近,但却可以线性时间编码,因此更适合实际应用.     

分布式视频编码中关键帧丢失错误保护

目的 分布式视频编码较其传统视频编码具有编码简单、误码鲁棒性高等特点,可以很好地满足如无人机航拍、无线监控等新型视频业务的需求。在分布式视频编码中,视频图像被交替分为关键帧和Wyner-Ziv帧,由于受到信道衰落和干扰等因素的影响,采用传统帧内编码方式的关键帧的误码鲁棒性远不如基于信道编码的Wyner-Ziv帧。关键帧能否正确传输和解码对于Wyner-Ziv帧能否正确解码起着决定性的作用,进而影响着整个系统的压缩效率和率失真性能。为此针对关键帧在异构网络中的鲁棒性传输问题,提出一种基于小波域的关键帧质量可分级保护传输方案。方法 在编码端对关键帧同时进行传统的帧内视频编码和基于小波域的Wyner-Ziv编码,解码端将经过错误隐藏后的误码关键帧作为基本层,Wyner-Ziv编码产生的校验信息码流作为增强层。为了提高系统的分层特性以便使系统的码率适应不同的网络条件,进一步将小波分解后图像的各个不同层的低频带和高频带组合成不同的增强层,根据不同信道环境,传输不同层的Wyner-Ziv校验数据。同时对误码情况下关键帧的虚拟噪声模型进行了改进,利用第1个增强层已解码重建的频带与其对应边信息来获得第2个和第3个增强层对应频带的更加符合实际的虚拟信道模型的估计。结果 针对不同的视频序列在关键帧误码率为1%20%时,相比较于传统的帧内错误隐藏算法,所提方案可以提高视频重建图像的主观质量和整体系统的率失真性能。例如在关键帧误码率为5%时,通过传输第1个增强层,不同的视频序列峰值信噪比（PSNR）提升可达25 dB左右;如果继续传输第2个增强层的校验信息,视频图像的PSNR也可以提升0.51.6 dB左右;如果3个增强层的校验信息都传输的话,基本上可以达到无误码情况下关键帧的PSNR。结论 本文所提方案可以很好地解决分布式视频编码系统中的关键帧在实际信道传输过程中可能出现的误码问题,同时采用的分层传输方案可以适应不同网络的信道情况。     

基于自适应块组割先验的噪声图像超分辨率重建

要增强噪声图像的分辨率,传统的串联方式依次进行去噪与超分辨率重建两个步骤,但去噪算法去除噪声的同时也损失了部分细节信息,影响了后续超分辨率重建的质量.为了使低分辨率噪声图像中所有细节信息都能参与超分辨率重建,本文以非局部中心化稀疏表示（Nonlocally centralized sparse representation,NCSR）模型为基础,提出了基于自适应块组割（Patch-group-cuts,PGCuts）先验的噪声图像超分辨率重建方法,同时实现去噪和超分辨率重建功能.块组割先验基于新颖的三维邻域系统和块组模型,能够达到图像去噪、边缘平滑和边缘清晰等效果.重建时以边缘强度为参考对块组割先验进行自适应约束,由于块组割在平滑区域约束力较低,采用分区域融合的方式进一步抑制噪声.本文对合成的低分辨率噪声图像和真实的低分辨率噪声图像进行了重建实验,实验表明,基于自适应块组割先验的噪声图像超分辨率重建算法,在丰富细节的同时能抑制噪声的干扰,不但具有较高的峰值信噪比和结构相似度等客观评价值,而且在非光滑区域具有很好的主观重建效果.     

基于多层次分辨率递进生成对抗网络的文本生成图像方法

针对文本生成图像任务存在生成图像有目标结构不合理、图像纹理不清晰等问题，在注意力生成对抗网络（AttnGAN）的基础上提出了多层次分辨率递进生成对抗网络（MPRGAN）模型。首先，在低分辨率层采用语义分离-融合生成模块，将文本特征在自注意力机制引导下分离为3个特征向量，并用这些特征向量分别生成特征图谱；然后，将特征图谱融合为低分辨率图谱，并采用mask图像作为语义约束以提高低分辨率生成器的稳定性；最后，在高分辨率层采用分辨率递进残差结构，同时结合词注意力机制和像素混洗来进一步改善生成图像的质量。实验结果表明，在数据集CUB-200-2011和Oxford-102上，所提模型的IS分别达到了4.70和3.53，与AttnGAN相比分别提高了7.80%和3.82%。MPRGAN模型能够在一定程度上解决结构生成不稳定的问题，同时其生成的图像也更接近真实图像。     

基于改进的UNet++岩心图像充填缝提取算法

岩心充填缝是石油勘探行业常见的地质现象之一,对充填缝图像进行裂缝的提取有利于地质研究人员后续的深入分析。由于岩心充填缝图像背景较为复杂,并且裂缝的粗细大小不同,目前已提出的裂缝检测模型在检测充填缝时效果不佳。为了改善岩心充填缝提取的效果,设计了一种基于UNet++的岩心图像充填缝提取算法。该算法在UNet++的跳跃连接中嵌入一个坐标注意力(Coordinate Attention, CA)模块使网络更加精确地聚焦于目标区域,并通过在编码器末端构建空洞空间池化金字塔(Atrous Spatial Pyramid Pooling, ASPP)增强网络对多尺度的充填缝的捕获能力。实验结果表明,改进后的算法在岩心充填缝图像上具有良好的分割效果,相比原始UNet++网络,分别在平均交并比(mean Intersection over Union, mIoU),平均像素精度(mean Pixel Accuracy, mPA)和F1值上提升了2.85%,2.35%和3.94%。     

基于会话式机器阅读理解模型的事件抽取方法

事件抽取旨在从海量的非结构化文本中自动提取出结构化描述信息,以帮助人们快速地了解事件的最新发展动态。传统的事件抽取方法主要采用分类或者序列标注的方法,其依赖于大量的标注数据来训练模型。近年来,研究者提出了利用机器阅读理解模型来进行事件抽取的方法,通过任务转换并联合利用机器阅读理解任务中的标注数据进行训练来缓解标注数据的不足。然而现有方法局限于单轮问答,问答对之间缺少依赖关系;此外,已有方法也未充分利用句子中的实体信息等知识。针对以上不足,提出了一种会话式机器阅读理解框架用于事件抽取,针对已有方法进行了两方面的扩展：首先,通过在句子中显式地增加实体标记信息,使得模型能够有效地学习到输入句子中的实体知识;其次,设计了历史会话信息编码模块,并结合注意力机制从历史会话中筛选出重要信息,融合到阅读理解模型中以辅助推断。最后,在公开数据集上的实验结果表明所提模型相比已有方法取得了更优的结果。     

基于混合时空感知网络的城市区域人流量预测

城市区域人流量预测对公共安全、交通管理有着重大的公共利益影响.然而,不同区域之间,以及受到时空相关性和许多外部因素的影响,给区域人流量的精准预测带来了极大的挑战.为进一步掌握城市人员流动聚集动向,本文提出一种基于混合时空感知网络模型,对重点密集区域的人流量进行建模,训练模型使之可以预测城市区域人流量,并将结果进一步与空间区域类型因子进行融合,最后可以分小时预测每个区域的人流量.选取北京市2020-01-17～2020-02-15重点区域数据信息,针对本文方法进行验证.实验结果表明,基于混合时空感知网络模型提升了城市区域人流量的预测效果.     

一种用于异常行为检测的运动特征描述子

目前,用于描述视频中人群的运动信息大多是基于光流的速度描述子。事实上,加速度蕴含丰富的运动信息,能够提供速度描述子在描述复杂运动模式时缺失的信息,以更好地表征复杂的运动模式。文中研究了一种运动特征描述子,使用受限玻尔兹曼机模型进行异常行为检测。首先,提取视频中的光流场信息,计算帧间加速度光流;然后,对一个时空块中的加速度信息进行直方图统计,将若干帧的所有时空块直方图特征进行拼接,从而获得加速度描述子;最后,在仅包含正常行为的训练集上建立受限玻尔兹曼机模型,在测试阶段根据测试视频重建特征与原始特征的误差大小进行异常检测。实验表明,所提出的加速度描述子结合速度描述子,在UMN数据集与UCF-Web数据集上,ROC曲线下的面积分别达到了0.984与0.958,相较于其他算法,所提方法取得了更高的异常行为检测准确率。