面向对象的黑河下游河岸林植被覆盖信息分类!

地表植被覆盖是描述区域生态系统的基础数据,也是全球及区域陆面过程、生态与水文众多模型中所需的重要地表参数。对于黑河下游额济纳绿洲,以Landsat 30m分辨率为主的遥感影像难以真实提取下游绿洲河岸林植被覆盖信息,而高分辨率影像目标地物轮廓清晰、空间细节信息丰富,有利于干旱背景下景观破碎、异质性强的植被覆盖信息分类。基于黑河下游额济纳绿洲QuickBird影像,通过面向对象的分类方法提取耕地、胡杨、柽柳、草地和裸地等主要植被覆盖类型,分类总体精度和Kappa系数分别为84.71%和0.7986。结果表明:利用面向对象分类方法对高分辨率影像进行植被覆盖信息分类,分类结果较好,能够满足精度要求。     

一种基于目标圆的有向强栅栏构建算法

K-栅栏覆盖是有向传感器网络覆盖控制的研究热点之一。提出一种基于目标圆的分布式有向强栅栏构建方法（DBCTC）。首次构建了节点目标圆和能耗比2个模型。以节点感知区域内横坐标最大的点为圆心,以感知半径为半径的圆就是目标圆。节点的运动能耗和栅栏增益的比值就是能耗比。前一个节点根据目标圆模型选择后一个节点的最佳目标位置。从附近移动节点中选择能耗比最少的移动节点构建有向强栅栏。仿真结果证明,该栅栏构建方法比其他算法降低60%左右的能耗。     

改进生成树算法的多机器人在线地图覆盖

研究在线多机器人地图覆盖。在单机器人生成树STC算法基础上做出改进,融入了市场拍卖算法,使机器人团体扩散地生成树,并沿各自生成树完成地图覆盖。通过两种不同环境地图覆盖仿真,结果验证改进后的IMPSTC算法,能够使机器人团队在更少的时间和重复覆盖区域情况下完成在线覆盖地图任务。     

工业软件现场测试中的拆分及其测试数据设计

在工业软件的用户生产现场测试中,可能由于操作风险、用户生产限制等约束而导致测试不充分,针对实践中的难点提出新的现场测试过程及其测试数据生成方法。定义了测试拆分子集及相关属性概念,根据现场因素设计的测试拆分子集提高了现场测试可主动性;综合现场因素设计拆分方案,采用针对性的辅助管理程序引导每个测试拆分子集的现场测试的实施;通过对生产现场的历史数据的处理建立针对各测试拆分子集的测试准备数据库,以搜索测试准备数据库的结果为依据并结合现场因素设计现场主动测试的输入数据,并说明了实践中的综合实施过程。通过石化生产优化控制系统的现场测试的实际案例,说明了这种方法能够在预防风险的前提下显著提高现场测试的充分性和测试效率。     

一种高效强K—栅栏覆盖构建算法

K－栅栏覆盖是无线传感器网络覆盖控制的研究热点之一。本文构建了强栅栏覆盖模型,提出了分区强K－栅栏覆盖构建算法PMNSB,用最少的节点形成强栅栏。首先把监控区域分成多个子区域,通过匈牙利算法选用移动距离之和最少的网格集合为基准1－栅栏覆盖,缺少移动节点的子区域,选择附近区域的剩余移动节点修补形成1－栅栏覆盖。水平相邻的两个子区域之间构建竖直栅栏,这些1－栅栏合起来构成强K－栅栏覆盖。仿真结果证明了该方法的有效性,本文的研究对提升无线传感器网络的性能具有重要的理论与实际意义。     

WLAN广域覆盖技术及应用策略研究

目前,WLAN的主要建设模式以室内独立放装和室分系统合路方式为主,室外广域覆盖模式应用策略不明确,规划建设不是很成熟。对WLAN广域覆盖存在的问题和解决思路进行了研究,并进行了大量的测试工作,对测试结果进行了深入分析,最终给出了WLAN广域覆盖的应用建议。     

自然语言处理用藏语格助词的语法信息研究

该文主要探讨了藏语格助词的语法信息、语义信息、功能结构等内容,从而为建立藏语格助词的语法属性库提供详实的参数。这对句子进行分析与描述,观察句子歧义都有着重要的意义。     

基于UVM实现随机测试的先进方法

随机设计越来越复杂,受约束的随机化测试方法已成为验证的发展趋势。本文以数据流交叉模块的验证为例,介绍如何基于UVM验证方法学构建受约束的随机化测试平台,其主要内容包括：UVM验证平台的建立、受约束的随机的实现、功能覆盖率的实现、自动检查结构等方面。     

无线传感器网络中基于异构节点的覆盖控制算法

研究了无线传感器网络中基于异构节点的优化覆盖控制问题.异构无线传感器网络由两类能力不同的节点组成,包括普通节点和超级节点.对普通节点采用基于状态轮转的覆盖控制算法,对超级节点采用基于路由表的转发策略.通过两类节点的协作使得网络达到覆盖与连通的目的.模拟结果表明,在具有相同初始能量的情况下,该算法与SHHN-HS算法相比能够延长网络生命期.     

基于遗传-蚁群混合算法的软件测试数据自动生成方法

自动化测试可以有效地提高软件测试效率,降低软件开发成本。测试数据自动生成是自动化测试过程中一个非常重要的环节。以路径覆盖为准则,本文提出一种利用遗传-蚁群混合算法来对程序输入域进行搜索的方法,进而生成满足需要的测试数据。经过实验验证,该算法可以有效地生成满足覆盖准则并且分布多样的测试数据。