信息时空

最近,采用最新型 Intel 处理器的 IBM PC 300PL 和 PC 300GL 桌上型电脑在美国亮相,它极佳的性能与价值,艺术化的管理界面给用户留下了很深的印象。丰富的多媒体、完成关键作业的性能、可管理性以及安全性,证明了它是极有价值的商用电脑。独一无二的网络管理和控制功能,让用户从此只需专注自己的商务活动,无须再为电脑操心。PC 300 型电脑配置了 Intel 新一代 Pentium Ⅲ处理器,运行速度分别为533MHz、600MHz、667MHz 和733MHz;一体化二     

信息时空

逼真的喷气飞行模拟显示系统背投显示系统为飞行训练提供了一种逼真的体验。英国 Seos 显示公司最近开发的 Lucid 系列中的 Kestrel 就是这类最新产品之一。图片所示为,在英国国防工程研究所,一位空军飞行员坐在战斗机驾驶台前,利用 Kestrel 进行着高度逼真的低空飞行操作。Kestrel的多面平板显示系统具有360度的不间断视野,这是目前军用喷气飞行     

大坝监测信息的多维时空可视化

为全面准确地掌握大坝监测数据的时空分布规律,利用可视化技术,首先提取坝体轮廓、测点及测值信息并进行维度分类,然后将信息进行时空插值连续化处理,空间上以色彩、距离表现信息,时间上不断更新,最终形成多维空间的信息可视化场量.应用结果表明,此方法能更直观地表现坝体信息的时空状态,便于观察、浏览和理解信息,发现大坝监测数据隐藏的规律和模式,可为坝体运行状况和结构寿命的分析评判提供形象的依据.     

时空信息助推宁波智慧城市建设

在地理信息行业内流传着两个非常有趣的数字——80和85。所谓80指的是“人类活动中所有产生的数据有80％和空间位置有关”,而85则指“85％以上的大数据都和时空信息有关”。虽然这两个数字的出处有待考证,但是毫无疑问,包含位置的信息在人们的生产生活中随处可见。尤其当我们将视角拉大,以“上帝视角”去审阅我们的城市时,     

基于时空信息的无迹变换滤波算法

提出了一种利用UKF算法实现对机动目标进行无源定位与跟踪的滤波方法.仿真结果表明,与扩展卡尔曼滤波器相比,UKF算法的滤波精度和稳定性都有了明显提高.该算法能更好地解决测量模型非线性问题条件下的单站无源定位跟踪问题.     

基于时空信息的区域内光伏电站功率预测

准确的光伏电站输出功率预测对于电力系统的稳定安全运行具有重要的意义。为充分挖掘区域内多个电站间的时空信息特征,提高区域内电站功率的预测精度,提出了一种基于图卷积和长短期记忆网络(graph convolutional network-long short-term memory,GCN-LSTM)的光伏电站功率预测方法。该方法首先采用K均值聚类算法(K-means clustering algorithm, Kmeans)将区域内电站的总功率划分3种不同的天气类型;然后,为预测区域内总功率,构建了一个假想电站,并利用图卷积网络(graph convolutional network,GCN)提取电站间的动态空间相关信息特征;最后,将GCN挖掘的信息构成时间序列作为长短期记忆网络(long short-term memory network,LSTM)的输入,提取电站的时间信息特征,从而对区域内的光伏功率进行预测。结果表明,该方法可充分挖掘电站间的时空相关信息,可较为准确地对光伏电站输出功率进行预测,能够为保障电力系统的稳定安全运行提供一定参考价值。     

智能模型的信息时空层次关系分析

分析信息、知识、智能的特点和相互关系,总结它们的变化规律：由特殊到恒定,由快变到慢变,由具体到抽象的变化过程.并在钟义信教授的知识论、意识论和＂信息-知识-智能＂转换理论的基础上,提出了基于信息时空层次关系的智能模型.     

基于时空信息融合的视频对象分割方法

使用一种改进的分水岭方法对图像进行空域分割,采用抗噪声能力更强的多尺度形态学算子求取图像梯度,并对经典浸没模型的处理单元进行了改进,明显提高了运算效率,改善了过分割现象。最后联合时空域信息确定视频对象的边界位置,进而提取出运动前景对象。     

基于并行处理与信息传输的时空过程概念模型

针对时空过程模型是实现地学现象回溯和预测的有效方法,采用基于并行过程和信息传输的时空过程概念模型构建方案,将时间、空间及时空域相结合构建时空过程模型,以过程的概念解释时空过程模型的空间域,引入π–演算并将其语义和语法同过程结合,促进每个域之间的信息传输能力.以陆地龙卷风作为案例进行研究,研究结果表明:时空过程模型的工作原理是正确的,过程具有不同状态及其转换具有可持续性.该研究成果为时空模型研究提供新思路.     

时空信息统计学的一些基本理论和方法

讨论了时空信息统计学(地质统计学)的若干基本理论和方法：1)若干基本概念，包括时空域的随机变量和随机函数，仅考虑空间域或时间域的不足，空间域与时间域之间的差异，二阶平稳假设及内蕴假设；2)时空域信息的平稳线性最优估计，主要讨论了变异函数与协方差函数及平稳线性最优估计方法；3)时空域信息的线性非平稳最优估计，提出了漂移和涨落的概念，关于漂移的形式及非平稳线件景优估计方法。     

基于时空信息约束的密集人群分割方法

在密集场景中,人群可以看作是由三五成群的、具有运动一致性的子群体构成的集合.为了能划分这些子群体,以便对人群的交互行为进行分析,提出了一种基于时空信息约束的分割方法.该方法首先利用背景建模和特征点跟踪,获取视频图像帧中运动目标的时空信息;然后,利用前景中群体分布的空间区域信息,将空间上相邻近的人群划分为若干个子群体;最后,通过一段时间内的运动相关性将子群体进行进一步的分割.这两种约束信息相互作用,得到具有运动一致性的子群体.通过大量实验验证测试,表明该方法可以应用于不同人群密度、视角范围等多种场景视频.     

时空混沌研究及其在信息加密中的应用

对时空混沌理论及应用现状进行了简述,研究了时空混沌的数学模型及其应用,提出了一种基于时空混沌的耦合映象格子模型的序列密码算法,并在DSP上加以实现.理论分析和安全性测试实验结果均表明,该算法较之基于低维时间混沌的序列密码算法,具有更高的安全性,应用性较好.     

基于RBF神经网络的地理时空信息预测推理方法

本文在深入分析地理实体时空特征的基础上,对地理实体进行抽象和标准化处理,提出一种针对特征复杂地理实体的地理信息预测推理方法。该方法重点研究了基于RBF网络学习方法的地理实体时空信息预测推理的理论、模型方法和具体过程,通过对地理实体对象化抽象描述和标准化处理,建立时空信息融合的超曲面,并利用RBF神经网络超强的非线性拟合能力,构建了复杂地理实体的时间、空间和属性信息的一体化预测和推理模型,并以桂林漓江阳朔段流域水质中溶解氧(DO)的含量的预测推理验证该方法的可行性,为时空数据处理过程中智慧决策和推理分析提供了有效途径。     

基于时空上下文信息的混合交通视频检测算法

前景物体的边缘信息对混合交通视频检测的参数提取和表达具有非常重要的作用. 为克服孤立地利用当前图像无法准确提取边缘信息的问题,提出了基于时空上下文表达的混合交通边缘提取新算法. 在获取当前边缘信息基础上,结合运动目标的特征属性与时空上下文相关信息,通过检索文本的关联性,进行前景边缘提取. 实验表明,文中算法能够准确而充分利用上下文信息实现前景边缘的提取,前景边缘的有效提取率可达95%以上,为后续混合交通视频检测的分类识别和参数提取提供了有效的依据.      

动态交通信息建模中多维时空参照系统研究

由于动态交通信息数据具有很强的时间性和空间性,通过分析研究绝对空间参照系统、线性参照系统和时间参照系统的特点,认为交通信息是交通系统表现出来的各种交通现象的组成成分的抽象,由空间对象、时态对象、专题对象和事件对象聚合构成。提出动态交通信息建模应建立在多维时空参照系统中,有主次之分,运用在不同的数据层次中,以二维空间参照系为基本基准,线性参照系作为建立在二维空间参照系之上的应用,以三维数据作补充。多维时空参照系统中更有利于交通信息数据的共享与维护。     

向量距离中角度信息对时空Kriging的影响

时空Kriging算法的核心,是将变差函数的概念扩展到时空域,变差函数的构建过程基础是计算时间切片和空间切片的向量距离。该文讨论了向量距离对构建时空变差函数的影响,提出了空间距离加角度差异的向量距离模型。以地磁场观测数据作为对象,分别用L1范数、L2范数和新距离模型对数据进行分析,比较3种距离定义下的时空Kriging插值性能。结果表明:加入了角度信息的向量距离,能够更有效地表征数据,提高时空Kriging的插值精度。     

多尺度时空信息融合驱动的图神经网络故障诊断方法

行星齿轮箱作为机械系统中常见的减速装置,由于长期在强噪声环境和变工况工作条件下运行,导致采集到的振动信号故障特征微弱、信号模式多变难以识别,针对行星齿轮箱故障诊断效果不佳,泛化能力差的问题,提出一种多尺度时空信息融合驱动的图神经网络故障诊断方法来提高故障诊断模型准确率和泛化能力。该方法首先构建多尺度卷积核对原始时序信号进行不同尺度特征提取,削弱强噪声信号对有效信息的掩盖作用并增强故障特征的表达能力;然后再构造通道注意力机制,根据通道特征重要程度,给不同尺度卷积核提取的特征自适应分配不同权重,对含有关键故障特征的信息片段进行特征强化;最后对卷积输出的多尺度特征,构造空域下的图数据并通过图卷积网络聚合多尺度特征,从而有效利用数据的时序多维信息和空域结构关联信息,实现多尺度下时空域故障信息的深度融合,提高诊断的准确精度和模型的泛化性能。通过利用具有行星齿轮箱结构的风电装备故障数据集对所提方法进行验证,并与其他深度学习方法（第一层宽卷积核深度卷积神经网（WDCNN）、长短时记忆网络（LSTM）、残差网络（ResNet）、多尺度卷积神经网络（MSCNN））进行比较,结果表明：本研究提出的方法在跨...     

基于时空信息和非负成分表示的动作识别

为充分利用时空分布信息及视觉单词间的关联信息,提出了一种新的时空非负成分表示方法(ST-NCR)用于动作识别.首先,基于视觉词袋(Bo VW)表示,利用混合高斯模型对每个视觉单词所包含的局部特征的时空位置分布进行建模,计算时空Fisher向量(STFV)来描述特征位置的时空分布;然后,利用非负矩阵分解从Bo VW表示中学习动作基元并对动作视频进行编码.为有效融合时空信息,采用基于图正则化的非负矩阵分解,并且将STFV作为图正则化项的一部分.在3个公共数据库上对该方法进行了测试,结果表明,相比于Bo VW表示和不带时空信息的非负成分表示方法,该方法能够提高动作识别率.     

时空

空间和时间是运动物质存在的形式,物质的时空属性乃是物质运动基本属性的反映。物体的性质在相互作用中才表现出来,没有丝毫相互作用的物质就没有任何性质。改变物体的时空关系与物体间的相互作用和运动状态有关。本文的目的是从相对论观点系统的概括时空概念的物理性质。