石狮市地下管网数据采集与信息建库的方法探讨

地下管线是城市生存发展的命脉，准确掌握地下各种管线的状况，是搞好城市建设和规划管理工作的基础。该文根据石狮市城市规划建设现状，探讨地下管线普查和采集的方法，提出建立地下管线信系统等有关问题。     

GPS技术在地籍测量中的应用探讨

通过介绍GPSRTK仪器的优点,介绍了地籍测绘的精度要求,而后详细探讨了GPS地籍控制网的建立流程。     

GPS拟合高程替代水准分析

在介绍GPS水准原理的基础上,论述了GPS测线高程拟合的两种方法,即：三次样条函数拟合及最小二乘曲线拟合,并根据实测资料应用这两种方法分别进行了计算分析,结果表明最小二秉曲线和三次样条曲线拟舍方法转换GPS高程的可行性和可靠性。     

MapReduce框架下基于抽样的分布式K-Means聚类算法

提出一种MapReduce框架下基于抽样的分布式K-Means聚类算法,解决海量数据环境下并行执行K-Means算法时,时间开销较大的问题.该算法使用抽样方法,在保证数据分布不变的前提下,对数据集的规模进行约减,并在MapReduce框架下对聚类算法进行优化.实验结果表明,该算法在保持良好聚类效果的同时,能有效缩短聚类时间,对大规模数据集具有较高的执行效率和较好的可扩展性.     

一种改进的代价敏感随机森林算法

随机森林在分类不平衡数据时,容易偏向多数类而忽略少数类,可以将代价敏感用于分类器的训练,但在传统代价敏感随机森林算法中,代价函数没有考虑样本集实际分布与特征权重,且在随机森林投票阶段,没有考虑基分类器的性能差异。本文提出一种改进的代价敏感随机森林算法ICSRF,该算法首先根据不平衡数据集的实际分布构造代价函数,并将权重距离引入代价函数,然后根据基分类器的性能采取权重投票,提高分类准确率。实验结果表明,ICSRF算法能有效提高少数类的分类性能,可以较好的处理不平衡数据。     

基于代价敏感的随机森林不平衡数据分类算法

随机森林在分类不平衡数据时,容易偏向多数类而忽略少数类。可以将代价敏感用于分类器的训练;但在传统代价敏感随机森林算法中,代价函数没有考虑样本集实际分布与特征权重,且在随机森林投票阶段,没有考虑基分类器的性能差异。提出一种改进的代价敏感随机森林算法ICSRF,该算法首先根据不平衡数据集的实际分布构造代价函数;并将权重距离引入代价函数,然后根据基分类器的性能采取权重投票,提高分类准确率。实验结果表明,ICSRF算法能有效提高少数类的分类性能,可以较好地处理不平衡数据。