基于Linux3S的土地基础信息采集技术

针对现有土地基础信息获取手段存在的一些缺陷,提出基于Lin“平台的、结合3S技术的土地基础信息采集方法。采用以Linux平台为核心,设计具有自主知识产权的嵌入式GIS模块,为适应在掌上电脑中使用,提出四叉树——双缓冲存取模式,以提高电子地图显示速度,利用四叉树分割法,实现大型底图显示,集成上层土地管理软件,实现土地基础数据采集。该技术在示范应用中实现取得良好效果,证明了该技术的有效性。     

一种改进蚁群算法研究和旅游景区路径规划问题求解*

针对旅游景区路径规划问题的复杂性,把景区路径分为全景区图与子景区图,并归为同一问题解决。然后提出BVC蚁群算法,设计繁殖蚂蚁(Breeding ants)、视觉蚂蚁(Visual ants)和普通蚂蚁(Common ants),各类蚂蚁按各自规则遍历。蚂蚁遍历完所有景点,求出最佳行程MIN(k,Pk,Lk),并根据约束条件,对符合要求的路径上的信息素进行更新。再结合模拟退火算法,在每个状态对蚁群行程进行舍取,重复迭代,最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中,表现出良好的稳定性和高效性。     

基于数据库技术的Apriori改进算法研究与应用

通过学习《数据库原理与应用》这门学科,将数据库知识与数据挖掘知识相结合,研究Apriori改进算法及它在餐饮智能推荐中的应用。针对基本Apriori算法在运行过程中需要多次扫描数据库,算法每次生成的候选项集多,导致系统开销过大,运行效率低的问题,提出一种改进的Apriori算法。将改进后的算法应用到餐饮智能推荐中,取得良好的效果。     

基于轨迹预测的双锚节点移动定位方法研究

在无线传感器网络定位(RTLS)解决方案中,利用信号强度或信号传输时间进行测距是主要方法之一.然而目前大量的研究都需要三个或多个锚节点来确定标签的位置,这类方法在大规模网络中将消耗大量的能量和成本.针对该问题提出一种基于轨迹预测的双锚节点移动定位方案.该方案利用超宽带(UWB)技术进行节点间测距,并结合LSTM轨迹预测模型,仅需要两个锚节点即可实现对目标标签的精确定位.同时还讨论了该方案在二维平面和三维空间中的定位效果,实验结果表明平均定位误差分别为5.24 cm和7.58 cm.     

基于ARM-Linux的嵌入式GIS关键技术研究

在ARM-Linux系统中,对MapInfo地图数据(mif、mid)进行分析,建立合适的GIS数据结构.提出GIS改进算法,利用C++程序语言,设计嵌入式GIS模块,然后通过QT/E图形库,使GIS空间数据与属性数据结合显示.最后将嵌入式GIS应用于电子导游系统中,并取得良好效果.     

在嵌入式系统中求解无约束的现实TSP问题

介绍了利用模拟退火算法思想,结合大概率最近邻深度搜索算法解决无约束的TSP问题,以及用改进的深度优先遍历建立TSP子集数据结构和求解,并成功地应用到嵌入式电子导游系统中,取得良好效果。     

耦合涡度相关技术和光能利用率的森林碳汇计量方法研究

利用传感器网络采集的生态环境数据,依托与计算机网络技术相结合的BP神经网络算法,探索出了一种能有效耦合涡度相关技术和光能利用率模型这两种碳汇计量方法的机制。通过与实测数据的比较,最终结果表明这是较为理想的效果。     

基于Fick-小波包变换方法对土壤CO2浓度时间序列的去噪处理

土壤CO_2浓度时间序列的数据质量易受到外界环境及土壤监测仪质量的影响,导致不能精确的测定土壤呼吸。针对土壤CO_2浓度时间序列的数据质量问题,本文提出小波包变换和Fick第二定律结合的方法对时间序列进行去噪分析。实验结果显示,无论从均值,信噪比,均方根误差和斜率距离来看,本文算法都优于由传统方法计算得到的结果。同时,在研究区域分别测量了早中晚三个时间段的土壤CO_2浓度,对其进行去噪处理之后,利用Fick第一定律计算获得的土壤碳通量与LI-8100测得的仅相距1μmol/m^2/s左右。说明通过本文算法不仅精确算得了开放型气室内任意时间任意位置的CO_2浓度时间序列,并且通过计算处理后的时间序列获得了与LI-8100相近的土壤碳通量。     

基于残差修正法的无线传感器网络定位技术

测距定位是无线传感器网络节点定位中一种常见的方法。然而距离测量往往容易出现错误,导致潜在的大量非高斯误差的测量数据,最终会导致不精确的定位结果。通过分析非线性最小平方残差定位时,测距误差与残差的分布关系,一种坏测距误差的误差估计方法在本文中被提出。采用估计出的测距误差,修正了非线性最小平方残差值,提高了定位精度。仿真实验表明,该算法能有效估计出坏测距误差,并改进了定位效果。     

融合GhostNet的YOLOv5垃圾分类方法

垃圾分类是建设生态文明的重要一环,为解决重量级模型难以部署移动端设备的问题,提出基于YOLOv5网络改进的垃圾图像分类方法。采用融合GhostNet的主干网络,用线性运算代替传统卷积运算,降低了模型的参数量,提高了模型推理速度;通过在网络中加入改进版通道注意力模块,强化重要的通道特征,获取更多深层次的特征信息;采用加权边界融合方法,提升检测框的定位精度。经实验证明,该方法在自制数据集中较原模型的精度提高了8.5%,参数量减少了46.7%,平均推理速度提高了1.22 ms,实现了精度和推理速度的综合提升。