基于隶属函数模型分民族人口老龄化的综合判别

人口年龄类型的划分本身为一种模糊的划分,可认为其对应了一个模糊集合.本文以联合国人口年龄类型划分标准中的四个指标为基准,构建了一个综合界定人口年龄类型的隶属函数模型.基于第五、第六次人口普查资料,本文应用构建的综合界定人口年龄类型的隶属函数模型,按人口规模分类研究十年间我国各民族的年龄类型及老龄化程度的变化情况.     

皖南和皖北家庭户规模变化的描述分析

改革开放以来,随着计划生育政策的推行和我国人口再生产类型的转变,我国人口的生育率降低,家庭户规模减小。安徽省的人口规模也得到控制,家庭户规模也处于缩小的趋势。然而,皖南、皖北人口因素和经济社会因素的差异导致了两地家庭户规模变化程度和具体结构存在差异。以皖北宿州市和皖南黄山市为例,分析了皖南、皖北家庭户规模变化的差异及其原因。     

基于灰色关联度的舟曲小流域泥石流灾害风险评价

近年来,随着我国社会经济的迅速发展,城镇和农村基础设施建设亦如火如荼的展开,山区开发建设已成为常态。特殊的地形地貌、气候、地质条件及人类活动等诸多因素为地质灾害的发生提供了孕灾条件,而泥石流是最主要的灾害类型之一,该地质灾害对人民的生命和财产安全构成了巨大的威胁。为了做好防灾减灾工作,构建较为精确的泥石流风险评价模型极为迫切。本文基于舟曲县泥石流形成条件及特征并参照问卷调查结果,选取10个指标作为泥石流风险评价因子,利用灰色关联度方法构建了泥石流危险度评价模型,计算了各指标的权重并获得了各沟泥石流危险度；运用受威胁财产和人口构建评价模型,进而得到了各沟易损度值；通过危险度与易损度乘积建立风险度模型,得出各泥石流风险度结果,其中极高风险区占比27.27%、高风险区占比36.36%、中风险区占比18.18%、极低风险区占比18.18%。将计算结果和实际调查数据进行对比,发现两者结果基本吻合,表明该方法可靠实用,能够准确反映山区泥石流灾害的发生风险,为该类地质灾害的防灾减灾工作提供理论依据。     

基于图像特征和GA-SVM的烤烟烘烤阶段识别研究

密集烤房内烤烟烘烤阶段的自动识别是建立智能化烟叶烘烤系统的重要环节.为了有效地识别烤房内烤烟的烘烤阶段,该文提出了一种基于图像特征和GA-SVM(Genetic Algorithm-Support Vector Machine)相结合的方法.该方法将机器视觉系统提取的烤烟图像特征作为SVM的输入参数,通过GA全局搜索特性选取出模型的最优特征子集,最后通过多分类SVM实现对烘烤阶段的识别,同时验证了选取特征的有效性.仿真结果表明:从9个原始特征中筛选出5个图像特征,总体识别精度从93.7%提高到96.5%,能有效地识别烤烟的烘烤阶段,具有良好的在线应用前景.     

一种三维模型多层级视点描述符

3D形状识别是计算机视觉领域非常重要的问题之一,三维模型的描述符对不同类别模型的区分度影响着3D形状识别的精度。基于视图的描述符应用非常广泛,然而多数方法主要研究算法,以不断提升公共数据集的识别精度,却很少深入分析在细粒度分类数据上的视图选择对区分能力的影响。该文提出一种新的多层级视点描述符,该描述符以一组视点组成,为3D模型提供了一组最优的二维视图选择,并设计实验对比在细粒度分类数据上的识别精度。首先,我们建立均匀的球状观察视点模型,以具备直观语义信息的上、前、右等视点为初始视点。其次,分区域从模型投影边缘的倒角距离比较中得出最优视点,作为下一层的种子点,不断细分获取不同层级的视点组合得到多层级视点描述符,使用测地距离来衡量模型间的相似度。最后,使用视点间的测地距离来计算同类别及不同类别间的相似度,验证多层级视点描述符的区分能力,选择更加精细分类的三维模型数据以验证识别能力,在多视图卷积神经网络上进行对比。应用该文描述符提供的视图选择在训练数据无论是否进行随机水平旋转,都有非常明显的识别精度提升。     

河南省襄城县设施农用地发展影响因素研究

设施农业作为现代农业的重要组成部分,分析影响设施农用地发展的因素,可为促进设施农用地与农村经济的健康发展提供决策依据.以河南省襄城县为例,采用实地问卷调查的方法,通过建立Logistic回归模型,选取农户年龄、受教育水平、劳动力类型、家庭人口、劳动力人口、设施农用地面积、种植年限、未来5年规模变化、是否知道鼓励政策和是否参加培训10个因素,分析其对设施农用地发展的影响,结果显示:年龄、家庭人口、劳动力人口和是否参加培训4个因素影响显著,达5%的显著水平;劳动力类型的影响在10%的显著水平左右;受教育水平、设施农用地面积、种植年限、未来5年规模变化、是否知道鼓励政策等因素的影响不显著.同时也说明,设施农用地的面积不是越大越好,应根据实际情况,适度规模经营,实现设施农用地的健康发展.     

基于HOG和SVM的非侵入式负荷识别

智能电网时代,准确高效的居民用电负荷评估对改善和调节电力网络的传输结构至关重要.对用户用电的电流、有功功率和谐波电流等数据进行数据预处理,基于对偶树复小波变换对数据降噪,建立基于HOG和SVM分类识别模型提取数据特征,并进行负荷识别.非侵入式负荷识别极大地降低数据收集和分析成本,对居民使用电器类型和数量的实时监测,为准确估算居民用电载荷提供可靠依据.     

中国东部陆相断陷盆地双断凹陷类型及特征

以中国东部陆相断陷盆地双断凹陷为研究对象,分别从构造形态和沉积物充填方向2个角度,提出两种类型划分方案.一种分类方案是根据凹陷的构造(剖面)形态、内部结构、边界条件不同,将双断凹陷分为简单双断凹陷和复杂双断凹陷2大类,并对上述两类进一步细分.另一种分类方案是依据沉积物充填方向、发育的沉积体系,将双断凹陷分为短轴单向充填型双断凹陷、短轴双向充填型双断凹陷、复合充填型双断凹陷和长轴充填型双断凹陷4类.并对不同类型的双断凹陷特征进行分析,从而为双断凹陷综合研究和油气勘探提供分类依据和理论指导.     

一种基于反馈信息的视觉图像背景建模方法

高斯混合模型已经广泛应用于视觉图像的运动目标提取.但传统高斯混合模型存在静止前景融入背景的问题.为了解决这个问题,提出了一种特定场景下基于反馈信息的背景模型更新改进算法.首先采用基于形状特征的目标分类器将前景目标识别为行人和车辆,然后通过多目标跟踪判断目标是否静止,进而将前景目标识别为静止行人,运动行人,车辆三种模式,最后将跟踪与分类的结果与高斯模型的更新相结合,根据分类后反馈的信息对不同的分类区域采取不同的学习率更新.实验结果表明,该方法能够有效地解决特定场景中前景融入背景的问题.     

基于卷积神经网络的桥梁裂缝检测与识别

针对当前中国检测桥梁裂缝依赖人工目测,危险系数极大的落后现状,研究了一种基于数字化和智能化的检测方法,以提高桥梁安全诊断效率,降低危险系数。结合机器视觉和卷积神经网络技术,利用Raspberry Pi处理器采集和预处理图像,分析裂缝图像的特点,选取效果检测和识别裂缝效果最佳处理算法,改进裂缝分类的卷积神经网络模型(CNN),最终提出一种新的智能裂缝检测方案。实验结果显示:该方案能够找到超出桥梁裂缝最大限值的所有裂缝,并可以有效识别裂缝类型,识别率达90%以上,能够为桥梁裂缝检测提供参考数据。