浅析城市影像地图集的设计编制

对影像地图集的比例尺设置、影像种类、影像色调处理、表现形式、编制作业方法等方面的情况进行了具体分析与探讨，并比较了几本具有代表性城市影像地图集在设计与表现形式上的特点，提出了如何根据地图集的用途要求与影像质量状况来设计制作影像地图集，使之达到良好表现效果的途径与方法。这些经验与观点对今后影像地图集的编制具有一定的借鉴价值、     

An SVM classifier incorporating simultaneous noise reduction and feature selection: illustrative case examples

A hybrid technique involving symbolization of data to remove noise and use of conditional entropy minima to extract relevant and non-redundant features is proposed in conjunction with support vector machines to obtain more robust classification algorithm. The technique tested on three data sets shows improvements in classification efficiencies.     

基于ArcGIS Engine的城市DLG要素符号化

地图符号是地图表达空间信息的基础。在城市基础地理信息系统建设过程中,地图数据的符号化直接关系到地图的可视化表达和使用,符号化是数据浏览和地图输出时的一项重要构件。本文根据我国GIS技术规范和行业标准的要求着重介绍了城市基础地理信息系统建设过程中DLG要素地图符号库的设计与制作及其符号化的实现方法。     

象征艺术在包装设计中的应用

通过对深藏在象征其后的文化根源的分析,论述象征的暗喻和多义性特征,并以此切入,结合包装设计的视觉语言特点,总结归纳象征在包装设计中的应用形式和表现方法,以及主客观要素之间的关系,并用现代设计意识,挖掘象征的新的意义和新的视觉感染力,即通过象征手法把约定俗成的象征元素进行创造性的表现和运用.     

发展"现代纺织"迎接知识经济

简要介绍了“知识经济”的主要标志和传统产业面临的挑战;明确提出了“现代纺织”的主要标志和发展“现代纺织”的具体措施：依托计算机技术,提高纺织设备机电一体化水平;依托电子信息技术,实现纺织设计、生产、管理、销售的信息化,依托新型材料技术,开发新型纺织原材料及绿色纺织品、依托现代生物技术,改进纺织工艺过程,加强环境保护,实现可持续发展。     

一种时间序列快速分段及符号化方法

作为一类重要的复杂类型数据,时间序列已成为数据挖掘领域的热点研究对象之一.针对时间序列的挖掘通常首先需要将时间序列分段并转变为种类有限的符号序列,以利于进一步进行时间序列模式挖掘.针对当前的时间序列分段方法复杂度较大,效率不高等问题,本文提出了一种简单高效的基于拐点检测的时间序列分段方法,并且采用动态时间弯曲度量计算不等长子序列的相异度,最后运用层次化聚类算法实现子序列的分类及符号化.实验表明,本文所提出的方法切实可行,实验结果具有较为明显的物理意义.     

地域元素符号化在包装设计中的应用——以茶包装为例

文章全面分析如何借助符号化设计手段将地域文化运用到茶叶包装设计中,结合不同地域所产生的不同视觉设计元素在茶叶包装中变现形式进行介绍,分析地域文化对提升品牌价值所产生的作用,最后以日照绿茶举证地域文化元素在包装设计中应用的可行性。     

日本当代大空间建筑形态的地域文化表征

日本当代大空间建筑形态主要通过三种基本方式：①显现；②象征；③补充传达与地域文脉的关联，表现地域的文化特征。在日本当代大空间建筑设计中，对地域文化特征的强烈关注是建筑师创作的重要源泉。借助先进的科技手段，建筑师们从不同角度深入挖掘民族的传统文化特质。在对传统的认识上，日本建筑师已跨越了简单的建筑形式的再现，转向了更深、更广泛的文化意义的探索。     

试论包装设计中的标志化设计

在现代社会中，包装设计不仅要保证商品的原有状况及质量在运输、流动、交易、贮存及使用是不受到损害和影响，而且还要成为美化和宣传商品的重要手段。要做到这一点，必须建立在使设计具有强大的视觉冲击力的基础上，标志化设计是实现这种目的的最有效的途径。     

多维时间序列数据符号化表示方法的研究

提出了一种简单高效的多维离散时间序列符号化方法,该方法用模糊自适应共振理论（Fuzzy ART）对多维时间序列数据进行聚类,实现多维时间序列数据的符号化问题。同时,通过属性相关性预处理分析,过滤掉聚类中不相关或弱相关的属性,保证了聚类算法的准确性,将提出的算法应用于多维交通流数据的符号化,效果很好。