IKONOS图象的城市土地利用信息提取方法研究

目前，高分辨率遥感图象正愈来愈多地应用于土地与水资源的监测和管理，其中，IKONOS图象数据因其具有较高的空间分辨率和人机交互的解译效果．在省市土地利用信息获取及在城市研究中更具有广阔的应用前景．以南京幅的IKONOS图象数据为基础．以城乡接合部的不同试验区为对象，着重讨论了高分辨率遥感图象城市土地利用信息的提取与分类方法其主要思想是先应用常用的多光谱分类算法对试验区的土地利用现状进行初始的类别划分，然后采用Majority Filtering技术获取图象的上下信息，并给你根据地物的形状特征和空间关系对初始分类结果进行校正与调整．研究结果表明，当初始的类别划分能满足一定精度时，采用本所提出的方法能进一步改善高分辨率图象城市土地利用信息的分类效果．     

基于乘客流量概率分布的轨道车站合理间距优化模型

车站间距规划是城市轨道交通规划和设计的重要内容。在已有优化方法局限性分析的基础上，建立了以轨道线路系统总成本最少化为优化目标，并考虑乘客流量和乘行距离随车站间距概率分布的合理间距优化模型，提出了模型的算法，得到了各影响因素常见组合情况下的车站合理间距，分析了各因素变化对合理间距的影响，为实际工作中车站间距的合理确定提供了理论支持。     

BA模型的三种扩展

无标度网络的发现，使人类对于复杂网络的认识进入了一个新的天地．BA模型是对于这种新认识的第1个抽象模型．由于考虑了系统的成长性和连接的择优性，BA模型给人们带来了很多启发．但是BA模型的两个基本假定，对于解释许多现实中的现象来说过于简单，与现实的网络还有较大的距离．所以，作者试图对BA模型进行扩展，即根据现实中的网络，增添某些假定，并通过计算机模拟进行观察，以便进一步探索复杂网络系统的规律．对BA模型的扩充考虑了3个因素：择优选择的成本；边的重新连接；网络的初始状态．实验结果表明，在考虑了这些因素之后，BA模型的基本结论并没有变化，它们的影响在于演化过程的某些方面，例如在某些极端条件下的演变趋势等．     

多约束投资组合优化问题的实证研究

为克服经典MV模型假设条件过于苛刻,而已有相关文献在对其进行修正时仅考虑部分投资约束等不足,文章通过考虑现实经济活动中存在的各类投资限制条件,建立了带有多种投资约束的广义MV模型.在说明了如何有效求解所得投资组合问题之后,基于中国证券市场的交易数据对新模型进行了实证研究.结果表明所给模型不仅是合理、有效的,而且可较好地指导投资者选择最优而稳健的投资方案.     

基于模糊积分的区域中小企业技术创新测度与评价

针对区域中小企业技术创新测度与评价问题,在已建立的区域中小企业技术创新测度与评价指标体系的基础上,结合改进的模糊积分评价方法提出了基于模糊积分的区域中小企业技术创新测度与评价的综合评价方法.通过对5个地区中小企业技术创新状况进行实证分析,得出结论,进而为政府制定相关经济政策以及中小企业采取有效策略提高其自身的技术创新能力提供依据.     

基于生物免疫机制的复杂系统健康监测与评估

生物免疫机制的模拟与实现对复杂系统的健康状态监控有重要的现实意义。分析了免疫的机制和特点，构建了基于多Agent的分布式免疫机制模拟结构模型，并给出了免疫Agent的逻辑结构模型，模拟生物免疫机制对故障进行监测、诊断和学习。在此基础上以一实际的柔性制造系统为背景进行了应用研究，给出了故障识别及其影响评估方法，可作为系统协调控制的依据，仿真试验表明该方法是有效可行的。     

基于战争模拟的虚拟案例教学系统研究与实现

虚拟案例教学是利用计算机战争模拟系统来进行案例教学的一种新的教学形式。论文首先阐述了虚拟案例教学的基本特点和对系统的需求，然后给出了虚拟案例教学系统MVCTS的功能、组成与系统结构，最后结合所实现的原型系统，讨论了系统实现中的若干关键问题。     

星载双基地SAR干涉测高误差分析

针对星载双基地SAR干涉测高的新特点,给出了“空间基线”、“变基线”下的干涉测高原理,建立了绝对高程误差模型和相对高程误差模型。从提高测高精度、优化系统设计的角度出发,分析了相对高程和绝对高程测量精度受基线形式的影响,给出具有一般性意义的测高误差关于空间基线姿态的二维分布全貌图,分析了图中误差极点走廊和两类优良点的位置和相应的物理意义。将误差分布图用于指导辅星相对轨道设计,证明了该图对基于测高性能的辅星轨道优化设计具有重要意义。     

基于FP-tree和支持度数组的最大频繁项集挖掘算法

提出了一个基于频繁模式树即FP-tree和支持度数组相结合的最大频繁项集挖掘算法,首先建立FP-tree,同时建立支持度数组,然后在此基础上建立最大频繁项集树MAXFP-tree,MAXFP-tree中包含了所有最大频繁项集,缩小了搜索空间,提高了算法的效率。算法分析和实验表明,该算法对稠密型数据集和稀疏型数据集均适用,并且特别适于挖掘具有长频繁项集的数据集。     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.