吉林东部天然次生林下光强衰减的空间分布特征

【目的】探究长白山北坡不同林型天然次生林下空间尺度及方位间的光强衰减特征。【方法】以吉林东部长白山北坡天然次生林5块0.6 hm²样地为研究对象，调查了样地内乔木生长及光强衰减状况，对林型、空间尺度及方位进行划分，采用移动窗口法分析不同空间尺度下森林群落结构对林下光强衰减的影响。【结果】吉林东部天然次生林乔木胸高断面积与林下光强衰减率相关性显著(P<0.01)。随着空间尺度增大，乔木胸高断面积与光强衰减率的相关系数逐渐增大，大部分林型在内侧窗口达到10 m×10 m时，光强衰减率与乔木胸高断面积显著正相关(P<0.01),在25 m×25 m尺度时相关系数最大，内侧窗口周围10 m内的乔木也与内侧窗口下的光强衰减率显著正相关(P<0.01)。东侧、南侧的树木对于内侧窗口下的光强衰减率影响比西侧、北侧影响更大。【结论】通过移动窗口法可以分析不同林型乔木对于林下光强衰减的影响范围，与耐阴树种相比，喜光树种乔木胸高断面积与光强衰减率在更多尺度下显著相关；在(10 m×10 m)～(40 m×40 m)的尺度范围内，多数林型乔木胸高断面积与光强衰减率显著...     

应用时间滑动窗口模型的轨迹相似性研究

针对社交网络用户个人信息难以获取、公开信息不完整、不通用甚至内容虚假的问题，选择了普适性强，且能客观、真实反映用户行为习惯的位置数据作为相似性分析依据，对新浪微博、滴滴打车进行位置数据采集，形成两个高价值且具有国内网民特色的数据集作为实验对象.提出了一种基于时间滑动窗口模型的轨迹相似性匹配算法，通过调整时间窗口和位置距离优化算法F值，实现不同网络平台用户的相似性分析.以对新浪微博和滴滴打车的用户位置数据为例进行验证，实验结果证明了地理位置为虚拟身份相似性判断的正相关影响因子，且判断相似性的平均F值超过90%.      

复杂背景下改进的红外弱小目标检测

许多研究者关注红外弱小目标检测领域并进行过种种探索，然而复杂背景下检测的难题始终未得到满意的解决。复杂背景下的杂波难以消除，目标检测无法得到显著结果。为此，本文提出了一种基于高升压滤波器的加权三层窗口目标检测算法HB-WTLLCM（High-Boost Weighted Tri-Layer Local Contrast Measure），针对复杂背景的目标检测进行目标增强，从而提高检测率。本文算法首先利用改进的高升压滤波器对红外原始图像进行预处理，再利用三层嵌套窗口，根据目标形状进行局部对比度增强。最后引入一种基于复杂度评估的加权算法，进一步进行目标增强和随机噪声抑制。实验数据显示，本文提出的算法相比于主流算法在多建筑、多树木的复杂背景下目标增强能力更强，检测率更高。上述结果提示，本文提出的HB-WTLLCM算法对于复杂场景下红外弱小目标进行检测具有一定优势。