基于地名本体的加权语义相关度算法研究

针对现有地理数据空间检索方法以简单字面匹配为核心、缺乏推理能力等问题,根据地理信息科学中的空间拓扑理论,提出一种基于地名本体的加权相关度算法.该算法考虑到不同的空间拓扑关系在语义检索应用中的重要程度不同,从而赋予地理空间本体关系不同的权值,并体现了其与语义距离的反比关系.通过地名本体实例验证,表明经加权后的语义相关度算法在语义检索应用中可以达到更好的检索效果.     

妈祖宫庙三维全景地理信息平台设计

以地图学、空间信息技术、人文地理学为理论基础,基于三维全景技术、网络地理信息系统等技术,实现妈祖宫庙的三维信息可视化管理。采集高分辨率图像序列以及经纬度信息,经消除图像噪点及光照差异后进行拼接与投影得到最终全景影像数据,建立三维全景影像数据库与空间数据库;然后根据全景影像像素坐标与地理坐标之间的映射关系,实现三维全景影像与空间数据的无缝集成,设计妈祖宫庙三维全景地理信息平台。该平台可实现妈祖宫庙空间查询与分析,以全方位场景漫游的形式直观呈现宫庙及其周围环境纹理信息,为妈祖宫庙信息化管理与旅游服务提供有效支持。     

带变量核的分数次积分交换子在变指数Herz-Morrey空间上的有界性

证明了带变量核的分数次积分算子T_(Ω,μ)与Lipschitz函数b生成的高阶交换子[b~m,T_(Ω,μ)]在变指数Herz-Morrey空间MK_(q,p)~(α,λ)(·)(R~n)上的有界性.     

基于智慧城市理念下的办公空间智能设计研究

随着科学技术的不断发展,社会已全面进入网络信息时代。本文探讨的是建立在智慧城市理念下室内办公空间设计问题。以智慧、生态等为设计理念,赋予办公空间更加智慧的网络服务体系,提高办公场所的效率和创造力。     

众创空间空间分布的关联性与影响因素研究

众创空间作为创客活动的物理层面的载体,其发展受到空间因素的影响。为研究我国众创空间区域分布格局特征与影响因素,研究以1977家国家级众创空间为样本,使用Geoda95i软件绘制了四分位分布图,计算了全局Moran指数和局部Moran指数,使用多元统计方法分析了众创空间区域分布的影响因素,得出以下结论:第一,众创空间空间分布存在正的空间相关关系,呈现出一定的集聚效应;第二,不同区域空间溢出效应存在较大差异,依据各省份Moran指数和相邻省份Moran指数平均值,可将31个省份划分为众创空间的"高地""洼地""贫瘠地"和"孤岛"4种类型;第三,经济层面的GDP和技术层面的有效专利指标是推动省域众创空间发展的重要动力,政策层面因素对省域众创空间发展影响并不明显;第四,各省市众创空间建设应考虑到经济发展水平以避免盲目发展,应加强区域协同以提升溢出效应。     

基于流形假设的骨架序列动作识别算法

骨架数据是通过对动作的空间几何位置进行编码获取,可以避免冗余背景信息的干扰, 是动作识别领域常用的数据类型之一.现有骨架数据的动作识别主要分为经典的骨架数据表征和基于深度学习的骨架动作识别应用.相较于传统欧氏度量下的识别方法,流形为更好地研究非线性结构提供了重要数学工具. 然而,目前仍缺乏利用流形假设对骨架数据进行动作识别的相关总结. 因此,从骨架表示、轨迹时间对齐、动作序列表征以及动作分类 4 个关键步骤出发,系统地总结了基于流形假设的动作识别工作,对比了各项工作在基准数据集上的表现. 最后,根据当前动作识别工作的发展趋势,对流形假设在动作识别方向上的进一步改进进行了展望.     

空间用四轴陀螺组合浪涌防护及数据填补方法

针对空间用四轴陀螺组合换轴及光源切换时产生浪涌以及数据丢失的问题, 提出了一种浪涌防护及数据填补方法。首先，采用双光源方案, 设计了浪涌防护电路, 降低了上电过程中瞬时大电流对元器件的影响。然后，建立了数据填补机制, 用来弥补切换过程中丢失的数据。最后，进行了地面数据填补实验, 角速率分别设为0.174 5 rad/s和1.745 rad/s, 预测的角速率与实际的角速率分别相差不超过0.003 rad/s和0.008 rad/s, 相对残差分别为0.003 9和0.001 2, 验证了所提方法的有效性。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。