基于水文要素变化特征的浑河干流生态需水量计算

将浑河干流划分为4个区域进行生态需水量计算.根据浑河干流特点,将其生态需水分为河流基本生态需水、河流稀释自净需水、输沙需水和蒸发需水.根据浑河水文要素变化特征确定各类生态需水量的计算方法,并对各类生态需水进行类型整合.计算结果表明:北口前站全年的生态需水量为0.55×108 m3,抚顺站为9.59×108 m3,沈阳站为6.93×108 m3,邢家窝棚站为10.55×108 m3,并给出了逐月变化,以利于浑河干流水资源优化配置.结合浑河干流水文要素变化特征,对其生态需水量特征进行了分析,并提出相应建议.     

基于2D-Haar声学特征的大规模说话人识别方法

随着待识别人数的增加,文本无关的说话人识别准确率下降明显. 针对这一问题提出了一种高准确率大规模说话人识别方法,该方法采用多个连续音频帧的声学帧特征构成声学特征图,进而获得高维度的2D-Haar声学特征,为训练出性能更优的分类器提供可能;再利用AdaBoost.MH算法筛选出具有较好区分度的2D-Haar声学特征组合进行分类器训练. 实验结果表明,600人规模下的正确识别率为89.5%,100～600人规模下的平均准确率为91.3%. 该方法适用于大规模说话人的识别,引入的2D-Haar声学特征有效,识别准确率高. 此外,该方法还具有较低的算法复杂度和较高的时间效率.      

彩色分量流形特征融合的人脸识别

对人脸图像RGB彩色空间三分量的非线性流形嵌入进行了分析,提出一种结合了流形学习技术和图像彩色信息的人脸识别方法。 该方法对人脸图像的彩色三分量分别采用局部线性嵌入（LLE）方法进行特征提取,提取的特征进行归一化处理和特征融合,采用线性判别分析（LDA）增加分类判别性,最后采用k最近邻法（kNN）进行分类。 该方法中提取的特征,能够保持人脸图像数据的非线性结构,同时利用了人脸图像的彩色信息。 对比实验结果表明,利用了彩色信息的三分量流形学习特征融合方法,比Fisherface特征灰度图像和单个彩色分量的人脸识别性能有所改善。      

旅游景区土地利用变化分析——以黄果树风景名胜区为例

根据信息熵理论和生态足迹理论,对2009-2012年黄果树风景名胜区的土地利用与土地生态承载力的变化情况进行分析.结果表明,四年间黄果树风景名胜区的耕地和建设用地面积的相对增加,牧草地和林地的面积相对减少,信息熵值呈波浪型的变化过程.说明研究区土地利用对生态环境的压力在不断增加,需加强生态保护,实现土地利用与生态环境建设协调发展.     

融合GMM及SVM的特定音频事件高精度识别方法

针对特定音频事件识别中持续时间特别短的音频事件漏检概率高、识别速度较慢的问题,提出一种融合高斯混合模型（GMM）及支持向量机（SVM）的特定音频事件识别算法. 该方法利用GMM的统计分布描述能力和SVM的推广泛化能力,将GMM和SVM分别识别的结果进行融合处理,以手枪、步枪、机关枪等10类以上枪声为实验数据,无需针对每种枪声生成相应的识别模板,仅需训练生成2个识别模板. 实验结果表明,识别准确率达到92.71%. 该方法模板数量少,不需要多次训练,算法复杂度较低,不仅便于应用而且可大幅提升识别效率.      

基于稀疏表示的快速三维人脸识别方法

随着计算机技术和三维成像技术的发展,三维人脸识别因不易受光照、装扮变化的影响成为人脸识别和身份验证的新趋势,但是对于表情、姿态变化其识别率还是有待于改善,时间开销较长.本文提出基于稀疏表示原理,对人脸重要的特征鼻尖点进行提取,采用最近邻分类器进行分类识别.实验结果表明,对表情变化等具有较高的鲁棒性和识别效果,且时间开销极小,优于传统的三维人脸识别方法.     

济南泉城聚落空间形态与生态环境的关联嬗变

回顾济南自春秋战国到清代末期巧用自然环境、构建特色风貌的城市生态化建设发展历程,从有机结合景观环境的城市泉水水系、由泉而生的适宜人居环境以及趋利避害的城市防灾措施三方面,分析了农耕时代济南先民因利自然的聚居环境营建理念和趋利避害的朴素生态智慧实践。反思自然生态环境的恶化给济南的聚居条件带来了的负面影响,通过梳理近年来济南生态环境重建工作推动城市可持续发展的经验,指出系统保护地域自然生态环境、促进古城营建生态智慧与新型城市功能的有机结合、实现人居环境与自然环境的和谐交融是当代城市建设的理想目标。     

县域生态环境功能区划与生态经济发展研究

结合中国环境功能区划框架体系与现代GIS技术,采用“自上而下”的区划方法,以武城县老城镇为例,将其分为四个生态环境功能区。研究表明,小城镇的生态建设分区管理与生态环境可持续发展的基础可依赖于生态环境功能区划的应用,也为县域经济又快又好地发展奠定了基础。同时阐明了生态环境功能区划在可持续发展指标体系中的重要作用。     

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.