低空间分辨率多源遥感数据的空间一致性分析和相对几何校正

多源低空间分辨率遥感数据在空间上的一致性对于其在全球变化研究中的集成使用有非常重要的意义。对此,以公认几何精度较高的MODIS数据为基准,对NOAA/AVHRR、FY-3/VIRR、FY-3/MERSI、FY-2/VISSR这4类国内外常用的低空间分辨率传感器的L1B数据进行了一系列相对几何精度评价和多项式相对几何校正的实验。相对几何精度评价的结果表明:MODIS数据与这4类L1B数据在几何精度上的偏差都比较大。在此基础上,选取少量均匀分布的控制点并采用不同阶数的多项式几何校正模型对多源数据进行空间一致性校正。校正结果表明:低阶的多项式几何校正模型就能对各种待校正数据的几何精度有显著的提升,使其与基准数据在空间上达到一致,满足全球变化研究对低分辨率多源遥感数据在空间一致性上的需求。     

Super-resolution land cover mapping with indicator geostatistics

Many satellite images have a coarser spatial resolution than the extent of land cover patterns on the ground, leading to mixed pixels whose composite spectral response consists of responses from multiple land cover classes. Spectral unmixing procedures only determine the fractions of such classes within a coarse pixel without locating them in space. Super-resolution or sub-pixel mapping aims at providing a fine resolution map of class labels, one that displays realistic spatial structure (without artifact discontinuities) and reproduces the coarse resolution fractions. In this paper, existing approaches for super-resolution mapping are placed within an inverse problem framework, and a geostatistical method is proposed for generating alternative synthetic land cover maps at the fine (target) spatial resolution; these super-resolution realizations are consistent with all the information available.More precisely, indicator coKriging is used to approximate the probability that a pixel at the fine spatial resolution belongs to a particular class, given the coarse resolution fractions and (if available) a sparse set of class labels at some informed fine pixels. Such Kriging-derived probabilities are used in sequential indicator simulation to generate synthetic maps of class labels at the fine resolution pixels. This non-iterative and fast simulation procedure yields alternative super-resolution land cover maps that reproduce: (i) the observed coarse fractions, (ii) the fine resolution class labels that might be available, and (iii) the prior structural information encapsulated in a set of indicator variogram models at the fine resolution. A case study is provided to illustrate the proposed methodology using Landsat TM data from SE China.     

基于划分DBSCAN算法的小区载频配置优化

为了充分利用无线网络资源,提升无线网络质量,充分利用了DBSCAN（Density Based Spatial Clustering of Applications with Noise）算法的优点,提出基于划分DBSCAN算法的话务量异常小区的检测方法,并通过对现网大量话务数据的统计分析,找出小区载频配置数和最佳话务量之间的关系。对话务量异常、拥塞率高的小区进行载频配置优化,并对城市小区网络优化有一定的指导意义。     

Hierarchical Spatially Varying Coefficient Process Model

The spatially varying coefficient process model is a nonstationary approach to explaining spatial heterogen-eity by allowing coefficients to vary across space. In this article, we develop a methodology for generalizing this model to accommodate geographically hierarchical data. This article considers two-level hierarchical structures and allow for the coefficients of both low-level and high-level units to vary over space. We assume that the spatially varying low-level coefficients follow the multivariate Gaussian process, and the spatially varying high-level coefficients follow the multivariate simultaneous autoregressive model that we develop by extending the standard simultaneous autoregressive model to incorporate multivariate data. We apply the proposed model to transaction data of houses sold in 2014 in a part of the city of Los Angeles. The results show that the proposed model predicts housing prices and fits the data effectively.     

水平冷表面上结霜发生随机性研究

水蒸气在冷壁面上的结霜是制冷、低温领域普遍存在的问题。过饱和的水蒸气有两种相变途径，一种是气液固相变；一种是直接气固相变。气液固相变经历气液相变和液固相变两个阶段，实验研究表明其发生具有随机性。在前人实验研究的基础上，从理论上给出了液珠半径随时间的增长规律，并进一步得到了冷壁面自然对流情况下结霜发生概率随时间的变化关系式。     

Delving deeper into the whorl of flower segmentation

We describe an algorithm for automatically segmenting flowers in colour photographs. This is a challenging problem because of the sheer variety of flower classes, the variability within a class and within a particular flower, and the variability of the imaging conditions – lighting, pose, foreshortening, etc.     

云映射和映射隶属云*

为描述事物间关系的不确定性及其变化情况,提出云映射概念。对定义域的每个元素,通过随机变量将其非确定地变换到可能的取值空间,各随机变量的分布特征在定义域上构成特征函数,能够反映非确定变换随自变量的变化情况;提出了映射的隶属云概念,云映射在定义域全体元素的隶属云片构成映射的隶属云;采用映射的期望(即精确函数)、熵函数和超熵函数描述定性概念在整个自变量取值空间的变化情况,给出了正向映射云和逆向映射云算法。以人类记忆的遗忘过程为例,说明了云映射和映射隶属云的有效性及其应用前景。     

空间查询和路径搜索的集成处理策略

在数据库研究中,路径搜索和空间查询处理被认为是两个互不相关的领域,然而在处理具有空间约束的路径查询时,需要数据库系统提供路径计算和空间查询处理两方面的功能.为了处理路径计算中的空间约束,考虑了两类处理策略:(1) 空间运算是否在路径计算之前预处理;(2) 空间对象是否在路径计算之前预选取.基于这两类策略,应用现有的空间连接、R-树空间搜索和空间对象聚类技术,提出4种集成的空间路径查询处理方法.     

用于热门路径查询的动态热度路网的构建方法

基于位置的服务在蓬勃发展的同时,产生出大量的用户位置轨迹数据,同时基于轨迹数据的热门路径问题也越来越受到人们的重视。对于求解点到点热门路径的问题,一张带有动态热度信息的热度路网是非常必要的。首先,提出了一个高效的交叉口生成算法,用于构建静态的热度路网,并在此基础上提出一种新的时间段分割算法来使得路网中对应热度边动态化。采用希腊雅典的一部分卡车的GPS轨迹数据集,通过大量充分的实验,印证了算法的合理性和高效性。     

基于社交网络群智感知信息的非常规突发事件描述方法研究

群智感知是以近年来兴起的物联网、大数据、云计算等多种技术为基础发展起来的。群智感知就是用城市环境中感知的大数据来解决城市本身所面临的挑战,通过对多源异构数据的整合、分析和挖掘来提取知识和价值,从而提高城市服务的现代化水平。非常规突发事件是一类前兆特征不充分、具有明显的复杂性和潜在次生衍生危害、破坏性严重、采用传统管理方式难以应对处置的罕见重大突发事件。由于构成群智感知网络的基本单元是无所不在的移动智能终端用户,这种新型的体系架构无论是在感知及认知的广度、深度还是在构建的成本与速度上,都是传统技术手段所无法比拟的。对社交网络信息进行语义感知、时空关联等以对非常规突发事件进行描述,并通过实例对该方法进行验证。非常规突发事件的语义信息包括关键词、模式、语句等。时空信息用来描述非常规突发事件的客观时间属性与空间属性。时间属性包括非常规突发事件的发生时间、结束时间,以及重要时间点。空间属性包括非常规突发事件的发生位置、影响位置,位置信息可以是路名建筑物名称,也可以具体到GIS信息。多媒体信息包括图像、视频、音频等。