Spatial dependence model with feature difference

This paper presents a new spatial dependence model with an adjustment of feature difference. The model accounts for the spatial autocorrelation in both the outcome variables and residuals. The feature difference adjustment in the model helps to emphasize feature changes across neighboring units, while suppressing unobserved covariates that are present in the same neighborhood. The prediction at a given unit incorporates components that depend on the differences between the values of its main features and those of its neighboring units. In contrast to conventional spatial regression models, our model does not require a comprehensive list of global covariates necessary to estimate the outcome variable at the unit, as common macro-level covariates are differenced away in the regression analysis. Using the real estate market data in Hong Kong, we applied Gibbs sampling to determine the posterior distribution of each model parameter. The result of our empirical analysis confirms that the adjustment of feature difference with an inclusion of the spatial error autocorrelation produces better out-of-sample prediction performance than other conventional spatial dependence models. In addition, our empirical analysis can identify components with more significant contributions.     

结合上下文特征和图割算法的车载点云聚类方法

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN （density-based spatial clustering of applications with noise）对点云数据进行过分割，得到密度可达的超体素；然后引入空间和属性上下文特征来描述超体素间的关联，并用于定义超体素构建的图模型边的权值；最后基于多标记的图割优化算法得到最佳超体素聚簇.实验结果表明，该方法能够有效改善点云聚类过分割，从而提高聚类的精度.     

一种改进的光伏系统最大功率控制算法

为了提高太阳能发电效率,提出了一种新的太阳能最大功率跟踪方法。该改进算法由扰动观察法和二次插值法相结合进行最大功率点跟踪,利用二次插值法可以缩小搜索范围的特点,克服了扰动观察法在最大功率点附近产生的震荡现象,从而减小误判。通过MATLAB建模仿真的结果表明,改进算法能够快速地搜索到最大功率点,提高太阳能发电系统的稳定性。     

空间多样化约束下的移动k近邻查询

考虑为移动中的查询对象连续返回k个距离近并且满足空间多样化约束的对象，提出了空间多样化约束下的移动k近邻(SDC-MkNN)查询.在此，满足空间多样化约束代表对象之间的相互距离大于距离阈值.为了高效处理SDC-MkNN查询问题，提出了两种基于安全区域技术的算法.算法均通过减少重新计算查询结果的次数来提高查询效率.其中一种为精确算法EA，可连续返回精确的查询结果；另一种为近似算法ρAA，可连续返回具有近似率保障的近似查询结果.采用真实数据集验证了所提出算法的有效性.     

草原退化过程中植物群落的结构异质性分析——以家庭牧场为例

以内蒙古呼伦贝尔草原某家庭牧场作为研究尺度,以卧羊圈为中心沿辐射状将该家庭牧场划分为重牧区、中牧区、轻牧区和无牧区(围栏内),同时与村落自由放牧区(即过牧区)进行比较,开展植物群落结构空间异质性研究。结果表明:该家庭牧场植物群落种类较为丰富,多年生草本植物居多,一年生草本植物随放牧强度的减弱,比例也随之增加;轻牧条件下群落地上生物量最高,适度的放牧干扰有助于植物干物质的积累;轻牧区禾本科植物的重要值较大,说明轻度放牧干扰有利于群落发生恢复演替;重牧区和轻牧区Simpson集中性概率指数、Shannon-Wiener指数、均匀度指数高于过牧区,重牧区和轻牧区植物群落由于竞争达成了较稳定状态,群落较为集中,空间异质性高。     

深圳近海环境重金属空间分布特征与风险评价

通过文献检索, 分析深圳近海海水和表层沉积物中重金属污染的空间分布特征, 并采用WQI污染指数法、物种敏感性分布法和潜在生态风险指数法, 分别对海水和表层沉积物中的重金属污染进行生态风险评价, 得到以下结果。1) 深圳近海海域中, 西部水体中重金属Hg, Cu, Pb和Cd的含量高于东部, 可能与西部开发力度大、接纳污染多和深圳湾水体交换不畅等因素有关。2) 基于第一类海水水质标准的WQI>1, 表明深圳近海无清洁水体; 近海海水重金属生态风险多处于高风险和中风险水平, 排序为Cu>Hg>Cd>Pb。3) 深圳近海表层沉积物中重金属Cd, Cu, Zn, Pb和Cr含量由珠江口西北部上游向东南部海域递减; Hg和As污染集中于深圳湾和东部海域, 表层沉积物重金属污染与频繁的人类活动密切相关, 且与海水中相应重金属的分布趋势一致。4) 深圳近海表层沉积物重金属的综合潜在生态风险极高, 其中Cd生态风险最高, Cu和Hg次之。     

规模化经营对粮食生产的影响研究——基于空间计量模型的实证检验

规模化经营；粮食生产；空间杜宾模型；空间自回归模型；空间误差模型     

Existence of macroscopic spatial superpositions in collapse theories

It is shown that the collapse dynamics in the CSL model will entangle two independent systems under certain conditions, and their state after collapse may be an entangled superposition of spatially separated states. However, since the conditions can hardly be satisfied in reality, the occurrence of such superpositions is very improbable, and thus collapse theories still provide a promising solution to the measurement problem.     

外包空间数据库的完整性保证机制

存储在云计算服务提供商上的用户数据可能被篡改或删除,查询完整性验证方案的作用是确保查询用户能够验证查询结果中的数据是真实的且包含所有满足条件的数据.本文在现有验证树结构基础上进行改进,提出了一种空间验证数据结构VSS-tree.利用SS-tree作为基本结构并为其附加验证信息,采用边界球进行区域划分增大了节点的度,有效降低了验证树的高度,并避免了不必要的磁盘访问,从而提高了空间查询验证的处理效率.实验结果表明,该方案比MR-tree具有更好的性能.     

基于编码调制视觉诱发电位脑机接口滤波算法的性能比较

脑机接口(brain-computer interface,BCI)的分类性能一定程度上取决于对脑电信号的预处理方法,这项研究提出了一种空域时域滤波的预处理方法,以解决人类视觉系统中的潜伏延迟对编码调制视觉诱发电位(c-VEP) BCI的目标识别性能的影响。基于一个平均信号和单次试验信号之间的最小均方误差(the least mean square error,LMSE)创建时域空域滤波器,并且通过最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)将稀疏约束应用于滤波器的权重系数,并用模板匹配法来对目标进行识别。将算法应用于由63比特的M序列及其循环移位序列调制的16个目标的c-VEP BCI,并与通用的空域滤波算法典型相关分析(CCA)及空域时域逆滤波算法进行比较。结果表明本研究所提出的算法在分类准确率方面优于其他两种算法。