排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
2.
3.
针对寒地城市保障性住宅项目的自身特点以及居住主体的心理行为特征,提出了低收入住宅外部空间设计的经济实用性、行为心理适应性以及地域文化适应性的原则,并根据住区外部空间中存在的问题提出了相应的设计策略,以期对保障性住宅项目的开发建设有借鉴意义。 相似文献
4.
5.
基于激光雷达(Light Detection And Ranging, LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数是精准林业发展的必然趋势。本研究面向激光点云提出了一种融合基于晶格投影的深度学习网络,以及面向提取的枝干点云的树木模型骨架重建的方法。该深度学习网络包括旋转不变性模块、晶格投影与重心插值模块,多尺度变换与卷积操作层,通过将旋转变换后的点云晶格投影到三个坐标平面上再分别重心插值获得变换系数,解决了三维点云因排列无序而造成空间卷积困难的问题。以海南多类树木为研究对象,首先,把带枝叶标签的林木点云基团带入构造的深度学习网络中训练网络参数,实现测试样本中的林木数据的枝叶分离。其次,对分类后的树木枝干点云垂直分层并空间聚类,获取每层的聚类中心点并按相邻层中心点距离最小原则实现骨架链表构造,同时采用自适应随机抽样一致(random sample consensus,RANSAC )方法来计算的圆柱体拟合半径,以重建树木的各级枝干。最后,根据中心点连通的链表结构以及角度变化最小准则自动识别树木中的主枝干和各个一级分枝。通过与实测数据比对验证表明,深度学习枝叶分类准确率为91.31%,高于传统的机器学习分类方法7%左右。算法得到的橡胶树一级枝干直径与实测值比对为:决定系数(coefficient of determination, R2)=0.92, 均方根误差(root mean square error, RMSE)=0.64cm, 相对均方根误差(relative root mean square error, rRMSE)=6.39% ;相应的一级枝干与主枝干的分枝角与实测值比对为:R2=0.91, RMSE=3.32°, rRMSE=7.81%。本研究设计了深度学习网络与计算机图形学的算法快速精准从地基点云中重建树木的骨架模型,精度吻合实际测量值,具有一定推广价值。 相似文献
6.
7.
8.
本文从提高大学生就业竞争力的角度出发,通过问卷分析和理论探讨得出了大学生就业竞争力的素质模型。这一模型在验证性分析中得到了较好的验证。 相似文献
9.
周立军 《科技情报开发与经济》2014,(18):97-98
以问卷调查形式,主要从农村政策、农业生产技术、农村市场信息、农村医疗卫生、农村文化教育、农村环境6个方面,对广东省茂名市茂港区农民信息需求进行了抽样调查及统计分析,发掘出当地农民信息需求重点,为当地农村城镇化发展与信息服务建设提供了参考。 相似文献
10.
周立军 《中国新技术新产品精选》2010,(17):23-23
网络电视是互联网技术与电视技术结合的产物,是以宽带以太网为载体,视音频多媒体为形式,按用户需求定制的个性化内容的为特征的付费电视。本文介绍了数字电视的概念、特点及优点,阐述了数字电视的技术、发展现状以及数字电视地面施工技术。 相似文献