基于遥感影像光谱分析的蓝藻水华识别方法

利用Landsat-7 ETM+遥感影像数据,以淀山湖为例,在分析蓝藻和其他典型地物影像光谱曲线及其特征的基础上,构建归一化蓝藻指数(NDI_CB),有效地从浑浊水体中提取蓝藻信息.通过k-均值非监督分类结果可以发现,构建的归一化蓝藻指数较传统的归一化差值植被指数(NDVI)和比值植被指数(RVI)更加适用于提取低密度蓝藻空间分布信息.在此基础上,基于遥感影像光谱特征和归一化蓝藻指数,采用了支持向量机的分类识别模型,最终得到淀山湖区域蓝藻的空间分布范围与面积,通过发现在某一特定时间蓝藻分布的规律,为蓝藻预警和治理的生态学分析提供了及时、有效和客观的依据.     

中国狭伪蝎属1新种(伪蝎目:木伪蝎科)

记述了采自我国西藏的木伪蝎科狭伪蝎属1新种:波密狭伪蝎 Stenohya bomica sp.nov.,并给出了详细的鉴别特征及结构特征图.模式标本保存在河北大学博物馆.文中测量单位为mm.     

杭州蜡梅品种资源调查分类及园林应用

对杭州地区的蜡梅（Chimonanthus praecox Link）品种进行了全面调查,根据花部形态进行了分类研究。结果发现,杭州地区目前栽培的蜡梅品种有65个。按照内被片紫纹的多少分为3个品种群,分别为乔种品种群（Ch. praecox Intermedius Group）、素心品种群（Ch. praecox Concolor Group）和红心品种群（Ch. praecox Patens Group）,同时编制杭州蜡梅品种检索表。此外,分析了蜡梅在杭州园林中的应用形式,提出在当今杭州城市绿化建设中,应多选用优良品种,充分发挥蜡梅的植物造景功能和文化功能。     

基于CRFs的新闻网页主题内容自动抽取方法

针对当前新闻网页主题内容抽取方法较少利用网页块之间关联特性这一问题,提出了一种基于条件随机场(CRFs)的新闻网页主题内容自动抽取方法.该方法首先将待抽取网页解析成DOM树,经过滤、剪枝以及压缩处理后,然后按照一定的启发式规则将DOM树切割成块并转换成为一个数据序列,再定义CRFs特征函数来提取各网页块自身状态特征和相...     

基于模糊支持向量的多标签分类方法

单实例多标签分类是指一个样本拥有多个标签的分类问题,对此提出了一种基于半模糊核聚类和模糊支持向量机的多标签分类算法.该算法采用一对一分解策略将多类多标签数据集分解为多个两类双标签数据子集,在每个子集上训练两类双标签模糊支持向量机.为提高分类器的性能引入了半模糊核聚类技术.实验结果表明,与现有的一些算法相比新算法具有其优...     

HTTP网络应用特征串的自动提取

网络应用特征串的提取是网络流量分类中深度包检测(DPI)系统至关重要的一环.文中提出一种自动提取不同的HTrP网络应用(如网络视频、网络游戏、SNS等)的特征串的方法.该方法先对HTrP网络应用的全报文数据进行组流分析,然后通过一个基于Hash表的算法提取出频繁出现的字符串,最后通过建立HTTP应用共性特征库,对频繁串...     

阿斯哈图石林景区野生观赏植物资源的调查

对克什克腾世界地质公园阿斯哈图石林景区的野生观赏植物资源进行调查.结果表明,该景区内具有观赏价值的野生植物共有184种、2亚种、14变种.隶属于39科、123属.根据植物在不同季节的观赏价值、观赏部位和生活型,设计了野生观赏植物资源三级分类系统,并按照该系统对景区内的主要野生观赏植物种类进行统计.从整体上看,该景区的野生观赏植物在春、夏两季以观花植物为主,在秋季以观叶植物为主.     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。     

基于聚类的智能网页推荐系统研究

设计了一种智能网页推荐系统的架构,其中包括数据预处理、聚类分析和网页推荐3个子系统,可以根据网站的访问日志来对用户进行自动分类,进而对网站的新用户在线提供网页推荐。提出了路径间距离的计算方法,进而研究了聚类子系统的结构,并通过对微软网站中用户访问日志的仿真实验,说明了所述方法的有效性。     

数据挖掘分类算法研究综述

随着数据库应用的不断深化,数据库的规模急剧膨胀,数据挖掘已成为当今研究的热点;特别是其中的分类问题,由于其使用的广泛性,现已引起了越来越多的关注。对数据挖掘分类问题的研究现状进行了综述:首先对研究比较多的基于判定树的归纳分类、基于人工神经网络的分类和基于统计的贝叶斯分类作了详细的讨论;然后对目前新提出的几种算法作了简要分析;最后根据数据挖掘的发展现状和研究重点对数据挖掘分类算法的发展趋势作了展望。