呼和浩特市中心城区城市公园可达性分析——基于高德地图API数据

城市公园布局的合理性直接影响其对城市内部居民的服务水平。基于高德地图API数据,以呼和浩特市中心城区为研究区域,居住小区为研究单元,从数量、供需角度分析步行和骑行两种交通方式下公园可达性水平。结果表明：（1）基于出行时间计算的各小区可达公园数量随着时间阈值的增大,居民接近公园的机会增多,高斯两步移动搜索法在此基础上,考虑了公园供给与人口需求之间的空间分布及其相互作用,研究区公园分布存在空间供需失配现象;（2）两种出行方式下,可达性呈现“外围高,中心低”态势,步行出行方式在三种时间阈值范围内一直存在无法享受公园服务的小区,可达区域分布存在明显的空间隔离;骑行方式下的可达性水平空间分布显著高于步行,在20 min阈值内服务范围可达到全覆盖,各小区居民的供需可达性值相较于步行分异程度明显降低;（3）城市公园可达性较好区域集中分布于研究区北部和东部,而可达性较差的城市核心区、西部和南部,可以作为呼和浩特市公园规划建设重点关注对象。     

城区坐标系统改造中坐标系统的优化选择

在城市控制网改造中,选择一种合理、规范、统一的城区坐标系统,十分重要。从目前甘肃省境内各地区现存坐标系统优、缺点分析入手,结合本省的特殊地理位置,根据城市网控制测量的要求,从不同方面阐述了平面坐标系统选择高斯正形投影任意带的平面直角坐标系统,投影面选取城市平均高程面;高程系统选择1985国家高程基准,是适合本省地域条件最理想的城区坐标系统。     

曲面积分在三重积分计算中的应用

利用高斯公式,给出一个把一类三重积分的计算转化成曲面积分计算的定理及一些特殊的形式,并通过几个例子说明这个定理的应用.     

基于协方差矩阵的主动学习方法及应用研究

由于工业过程采集的数据中常包含大量的无标签样本,而有标签样本数量少且人工标记成本较高,因此,提出一种基于协方差矩阵的主动学习方法。利用有标签样本建立高斯过程回归模型,并构建无标签样本之间的协方差矩阵,以协方差矩阵行列式的值作为评价指标。在挑选信息量较大的无标签样本的同时,衡量样本间的相似性,避免样本的冗余添加,最终在相同标记代价下提升模型预测精度。基于工业过程数据进行算法的应用仿真,验证了所提方法的可行性和有效性。     

无人机图像增强方法的研究与实现

以无人机采集的低照度图像为研究对象,提出了一种改进的低照度图像增强算法.获取无人机采集图像的灰度直方图,计算灰度像素的均值和方差,通过计算亮度系数划分亮暗区域;根据滑动窗口的像素均值与设定的阈值进行计算得到修正系数,完成图像亮度的修正;为减小时间复杂度使用三次快速均值算法替代高斯滤波进行去噪.结果表明,本文的算法能够有效地改善图像局部亮度、提高图像对比度和保留轮廓边缘纹理信息.     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

基于GEMS算法的潜变量高斯图模型结构学习

考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(...     

关于丢番图方程x2+144=my11(m=1,2,3,4,6)的整数解

在高斯整环中,利用代数数论与同余理论的方法,讨论了丢番图方程x2+144=my11(m=1,2,3,4,6)的整数解问题,并证明了丢番图方程x2+144=my11(m=1,2,3,4,6)无整数解.     

基于注意力机制的红外小目标检测方法

针对红外小目标占用像素较少、背景相似性强、网络容易受到背景杂波信息干扰的问题,提出了一种基于注意力机制的红外小目标检测方法。利用注意力机制模块抑制背景杂波,增强小目标特征,并使用红外小目标检测模块实现检测任务;为了增强网络鲁棒性,通过高斯噪声与原图通道堆叠输入的数据增强方式提升网络抗杂波干扰的能力。实验表明,提出的方法在MDvsFA数据集中的性能超过了目前最新的对比算法。     

高斯-拉普拉斯边缘检测算子的扩展研究

针对经典的高斯-拉普拉斯（LOG）边缘检测算子是各向同性的,对各个角度方向的图像边缘检测的力度是相同的特性,对经典LOG边缘检测算子引入了角度信息参量进行推导,使以圆为对称的经典的LOG边缘检测算子变成为以椭圆对称,并且可以在坐标轴旋转任意角度的边缘检测算子,增强了其边缘检测的功能,使之能对不同角度方向的边缘更加有效地进行检测．经过在Matlab里对同一幅图像进行比较实验,对于图像中不同角度的边缘均能相应地进行提取．扩展后的LOG算子,不仅增强了边缘检测算法功能,而且完全保留了经典LOG算子原有的优点．