一、遥感影像关联规则数据挖掘（论文文献综述）
王艳华[1]（2021）在《智慧林业中立体感知体系关键技术研究》文中研究指明森林是规模最广泛的陆地生态系统,约占土地总面积的三分之一,同时也是地球生态系统的必要组成部分,森林生态系统是否正常,与地区生态安全和社会经济的可持续发展密切相关。传统基于人工的森林资源调查方法存在花费高,野外工作强度大,消耗时间长等缺点,且时效性和准确性往往无法达到实际应用的标准。传统的单一的数据源难以获取高精度的森林参数信息,多源数据综合应用将成为未来森林资源监测的有效方法。国家林业发展“十三五”规划提出,加强生态检测评价体系建设,深化遥感、定位、通信技术全面应用,构建天空地一体化监测预警评估体系。随着智慧林业的不断普及,信息技术以及对地观测技术的不断进步,利用不同类型、不同分辨率的遥感影像、无人机以及无线通信网络对森林资源的信息进行监测可以有效的指导林业生产,通过构建森林资源综合监测体系,实时准确了解森林资源的基本情况及变化,及时采取应对措施,可以大大提高资源保护与利用效果,对于环境治理和生态建设等有关工作的开展均有重大意义。本文从空天地一体的森林资源监测角度出发,针对森林资源监测信息类型复杂多样、数据维度高、信息冗余度高、数据信息处理量大等问题,研究综合性、立体性的森林资源监测网络体系,研究适合于森林环境监测无线传感器网络的网络方案和模型,并着重解决在符合森林环境监测无线传感器网的模型的网络结构中传感器以自组织和多跳的和传输的效率,研究海量遥感影像数据处理、数据存储、数据挖掘一体化的解决方案,开展森林资源综合监测体系研究,为森林资源连续清查体系的优化改革提供理论支撑和数据参考。本文的主要工作如下:（1）针对森林环境监测的无线传感器网络的数据传输问题,提出一种改进的基于ADHOC网络的组播路由模型,该模型特别适用于大规模、低密度无线传感器网络中传感器节点相对位置的确定,节点间连通性差,远距离节点间测距误差大的网络监测环境。在研究无线传感器网络邻居节点拓扑结构的基础上,将主流形学习和非线性维数算法相结合,提出了一种局部组合定位（LCL）算法,根据每个节点与相邻节点在一定通信范围内的成对距离,首先通过为每个节点构造一个局部子空间来获取全局结构的局部几何信息,然后对这些子空间进行比对,得到所有节点的内部全局坐标。结合全局结构和锚节点信息,最后利用最小二乘算法计算出所有未知节点的绝对坐标,构建可靠、高效的路由传输协议。通过在哈尔滨实验林场区域构建监测系统,实现气象、光照、土壤和空气质量全方位森林环境信息的获取。（2）针对遥感数据的预处理及数据挖掘,基于Hadoop内部提供的二进制文件存储形式SequenceFile,将图像数据序列化成字节流存到二进制文件中,在执行MapReduce任务时,直接用Hadoop的SequenceFileInputFormat输入文件格式进行读取,实现了图像并行处理。通过自定义分区策略的方式对遥感影像特征并行提取算法进行改进,增加提取遥感影像特征的MapReduce程序中Reduce任务数量,实现了 Hadoop的遥感影像特征提取并行化。从而提高并行处理效率。针对KMeans聚类算法需要人为确定初始聚类中心和聚类数目,从而使聚类结果陷入局部最优的问题,本文结合Canopy算法对KMeans算法进行改进,首先通过Canopy算法对遥感影像的特征信息进行“粗聚类”,然后将结果作为KMeans聚类算法的初始聚类点,从而完成遥感影像的分类处理,为监测数据提供了高质量的遥感影像。（3）针对现有遥感影像变化检测模型存在的检测精度不高的问题。提出了一种基于两阶段的遥感影像变化检测模型,该模型充分利用遥感影像的多维特征,利用U-net网络对遥感影像进行语义分割,并将分类结果与不同时相的遥感数据的分类结果进行融合,从而准确的获得监测区域地物变化的特征,该方法能够有效的提取遥感影像的纹理和光谱特征,提高变化检测的精度。此外,本文通过无人机获取高空间分辨率影像数据来实现单木尺度森林资源监测,通过H-maxima变换结合标记控制分水岭算法实现单木树冠的自动勾绘,从而实现单木信息的提取。最后利用改进的变化检测模型,实现了基于卷积神经网络的对西双版纳自然保护区的变化检测,根据对自然保护区内的植被变化监测的应用需要,进行系统的需求分析与设计,模型分析,实现了西双版纳自然保护区森林监测系统,对区域内森林变化情况进行精准监控。
刘耀辉[2]（2020）在《面向地震风险评估的高分辨率遥感影像建筑物信息提取与研究》文中进行了进一步梳理地震灾害突发性强、破坏性大,严重威胁人类生命和财产安全,严重影响经济发展和社会稳定。受当前科技水平限制,人类尚不具备准确预测短期地震发生的能力。因此,震前进行大范围地震风险评估,既有助于政府部门制定城市规划和应急管理方案、最大程度减轻地震灾害风险,也可以提高人民群众对潜在灾害的风险意识。承灾体/建（构）筑物资料数据是进行地震风险评估的基础工作之一。传统的实地调研方法获取的建筑物数据精度高、可靠性强,但也存在费时费力、更新速度慢等缺点,无法满足区域尺度地震风险评估的需求。近年来,随着中国经济和社会的迅速发展,城市规模的不断扩张和建筑物的快速持续变化,不仅加剧了潜在地震风险,也增加了及时、准确进行地震风险评估的难度。因此,研究并建立一套大范围、高精度、快速的建筑物数据获取和及时更新的方法,能够为区域尺度地震灾害风险评估提供必要的数据支撑;同时考虑结合社会脆弱性因素构建情景地震,探讨建筑物地震易损性及社会脆弱性对地震情景的作用程度,并针对性地部署地震应急准备工作,对于最大限度减轻地震灾害风险具有重要应用价值和现实意义。为此,本论文首先研究并提出了两种基于卷积神经网络的高分辨率遥感影像建筑物分割模型,来实现建筑物轮廓的高精度、快速、自动提取;基于Google Earth高分辨率遥感影像和无人机影像,建立乌鲁木齐和渭南农村地区建筑物数据集,应用上一步建好的深度学习模型进行建筑物高精度、快速提取,验证其在面向地震风险评估中的实际应用效果;在此基础上,采用机器学习和数据挖掘的方法,结合街景影像、道路交通、土地利用规划、统计资料和多时相遥感影像等多源数据,建立建筑物属性信息与建筑物易损性之间的对应规则;以乌鲁木齐为研究区,将上述推算结果与实地调研对比,验证该套方法论的精度和可靠性;应用地震风险评估模型,分析不同烈度下乌鲁木齐地震灾害风险分布情况;最后,以渭南农村地区为研究区,对建筑物地震易损性、社会脆弱性因素及其对情景地震的共同作用程度进行探究。本论文的主要研究工作如下:（1）对地震灾害风险评估理论方法、建筑物信息提取方法的国内外研究现状进行了综述。在此基础上,以地震风险评估为目标,基于深度学习卷积神经网络提出高分辨率遥感影像建筑物自动提取模型。具体步骤是:首先分析了现有卷积神经网络模型的优缺点;然后提出了一种融合编码-解码器结构和空间金字塔池化模块的轻量级卷积神经网络模型:USPP。为验证USPP模型的精度和效率,在两个国际开源的建筑数据集上进行了对比实验:Massachusetts数据集和INRIA数据集。结果表明,与其他国际上通用的图像分割模型（包括Seg Net、FCN、UNet、Tiramisu和FRRN）相比,USPP模型在定性和定量结果都有所提升。与UNet相比,USPP模型在两个数据集的总体精度分别提升了1.0%（0.913 vs.0.904）和3.6%（0.909 vs.0.877）,而模型训练时间也分别增加了3.6%和1.0%。用USPP模型能够较好地分割建筑物,分类误差小、边界清晰。（2）上一步所提出的面向地震灾害风险评估的建筑物自动提取USPP模型,虽然取得了较优的建筑物分割结果,但也带来了额外的计算资源消耗,计算效率无法满足区域尺度地震风险评估中建筑物数据的大范围获取需求。为了在保证精度的前提下提高深度学习计算效率,本文又提出了新的卷积神经网络模型:ARCNet。该模型的设计思路为:为了减少模型参数,加快深度学习计算速度,采用深度可分离卷积和非对称卷积相结合的方法,设计了ARC-Net网络的核心RBAC模块;同时,利用空洞卷积和空洞卷积空间金字塔池化模块来扩大视觉感受野,达到较优的语义分割结果。在INRIA和WHU两个国际公开建筑物数据集上的实验表明,本文提出的ARC-Net模型性能优于其他国际常用的深度学习模型,具有较高的精度和较少的计算时间。该模型在分类误差和形状边界较低的情况下成功地提取了建筑物。在此基础上,基于Google Earth高分辨率遥感影像和无人机影像分别建立了乌鲁木齐和渭南农村建筑物数据集,应用ARC-Net模型在数据集上进行建筑物自动分割提取。乌鲁木齐建筑物提取的总体精度为0.899,准确率为0.848;渭南农村地区建筑物提取的总体精度为0.929,准确率为0.876,建筑物的整体轮廓可以较好地分割出来。实验结果表明,ARC-Net模型进行面向地震风险评估的建筑物高精度、快速、自动提取是可行的,并可以达到较高的建筑物提取精度和较快的深度学习计算效率,并且在农村地区进行建筑物提取效果更好。（3）在上一步提取建筑物轮廓基础上,为快速、准确获取建筑物属性信息并进行区域尺度地震风险评估,本文提出一种基于多源数据融合、机器学习、数据挖掘和地理信息技术相结合的建筑物信息提取及其地震易损性的综合评定方法,并以乌鲁木齐为例进行应用验证。首先,选择天山区部分区域进行建筑物详细实地调研,建立建筑物实地调研数据库;然后采用EMS-98建筑物易损性分类标准和两种数据挖掘方法,即支持向量机和关联规则方法,建立建筑物属性信息与地震易损性的对应规则;然后,基于街景影像、道路交通、土地利用规划和多时相遥感影像等多源数据,将乌鲁木齐进行居民地块体划分,将上一步建立的建筑物易损性对应规则应用于乌鲁木齐数据库,整体准确性达到79.7%;最后,应用地震风险评估模型,分析不同地震烈度下乌鲁木齐地震灾害风险分布情况。在地震烈度为VIII且未考虑场地效应的情况下时,乌鲁木齐大部分建筑物将受到“轻微”破坏。结果表明,使用本文所建立的多技术、多源数据融合的建筑物信息提取与地震易损性判定方法进行地震风险评估,可以以远低于传统方法（如现场实地调查）的成本进行区域尺度地震灾害风险评估,并取得理想的结果,具有重要的应用价值。（4）基于情景地震的地震易损性、危险性和社会脆弱性的综合地震风险评估分析,以渭南农村地区为例。首先,对渭南市三个具有不同地形特征的村庄进行了实地调查,分别是平原区贺兰村、黄土塬区赵家村和山区东峪村。然后基于实地调研数据,应用RISK-UE脆弱性指数方法,对三个村庄在不同地震烈度下的建筑物破坏程度进行了定量分析。最后,综合考虑社会脆弱性因素,构建情景地震,对三个村庄的其他地震影响情景进行了估算,并针对性地进行地震应急准备工作,为渭南地区地震风险评估提供很好的补充。所有计算结果均在Arc GIS软件中进行了计算和显示。贺兰村、赵家村、东峪村三个村的平均建筑物易损性指数分别为0.69、0.70和0.76。在同一地震烈度下,赵家村房屋受损率最高,贺兰村最低。如果渭南发生烈度为VII度以上的地震,东峪村将发生山体滑坡和交通隔离。居民只能依靠自救和互救。
吴鹏[3]（2020）在《多源异构数据融合分析视角下的城市功能分区方法研究》文中认为城市中各种物质要素按不同功能进行分区布置,使得一些城市要素集中分布在一定的区域范围内,这便形成了各种功能区。城市是由多种复杂系统所构成的一个有机整体。城市功能作为城市的本质特征,其强调内部空间秩序以及与外部空间的联系,是城市发展的动力因素。随着“城市-空间-人”三元结构间的相互作用,城市正呈现着日新月异的变化,而这一变化则带来了数据源种类以及获取方式的更新。基于多源地理大数据来开展城市功能区识别已被诸多研究成果证实其具有可行性。由于受到城市数据的获取途径以及版权法规的限制,城市研究中很难做到数据的完备性。如何通过有限的数据源进行异构数据融合以增强数据的描述能力是城市数据挖掘中的难点。构建合理的城市功能基本单元是研究城市功能分区的基础。现有的功能单元结构的构造目的纯化、规整且多数忽略单元间的时空关联而缺乏解释性。因此,以合适的功能单元和粒度研究城市功能分区是获得合理分区的重要保证。此外,现有的研究成果多体现城市功能的静态特征,反映的是一个城市某一时刻的状态,缺乏对功能间的连通性以及时空互动关系的实证研究。可见,研究城市结构的功能混合布局模式和城市“由静及动”的时空特征是未来城市科学的研究趋势。本文以多源异构数据的融合分析为研究视角,综合利用图模型、关联规则挖掘、主题模型、词向量构建等技术手段从城市功能基本单元构建,功能混合布局以及城市功能分区方法三个方面展开城市功能的研究。主要研究内容和技术创新如下:（1）归纳和总结了现有城市功能分区的主要研究理论和技术手段,并在此基础上详细介绍了基于聚类的功能分区方法、基于影像识别的功能分区方法以及基于概率主题模型的城市功能分区方法,对三种方法的理论内涵以及运行机理分别从数据驱动、区域特征构建以及优缺点等方面进行对比分析和讨论。（2）在城市基本功能单元选择方面,本文在城市形态学和功能连通特征的理论背景下,基于约束Delaunay三角化和Hausdorff距离,构建了街区的邻近关系的识别与计算方法,并在此基础上提出街区分组方法,该方法分组结果既可以考虑空间规划又能顾及图上表达;为有效地发现街区之间的邻近突变特征,本文定义了街区分组结果紧凑度的计算方式,并通过分析紧凑度曲线进一步优化了分组结果。此外,本文结合城市街区间的渗透行为从主导功能,功能互补行为和功能模仿行为三个方面进行指标量化;与其他城市元素分组研究相比,本文方法具有较少的定义参数,并且在优化表达基本功能单元的同时确保渗透行为不被破坏。（3）在城市功能组成方面,探讨城市功能混合布局的特点,并通过功能布局同位模式挖掘以及城市功能时间演变特征的挖掘对城市功能混合现象进行合理描述;以城市POI要素为数据驱动,在识别各类POI要素的空间邻近关系的基础上,基于参与度指数、Bron-Kerbosch最大团挖掘算法以及树裁枝方式实现城市功能2阶及高阶同位模式的挖掘,完成城市静态功能混合布局的描述;本文探索性地将城市时间-热度数据引入城市功能时变特征的分析中,以城市在某个时段是一种状态量的假设为前提,基于LDA模型,将同位模式,时间槽,热度值耦合为模式串并以此作为词项,从文档相似性的角度挖掘不同时间点的城市状态相似程度,完成功能时变特征的分析。（4）在城市功能分区方法方面,结合功能区语义时变特征的讨论,本文基于动态概率主题模型（DTM）,以腾讯位置大数据和POI数据为数据源开发了顾及时变特征的城市功能分区方法。该方法顾及了多时相下的城市功能累积效应,提高了区域功能语义的可解释性。将本文方法分别与TF-IDF、NMF模型所实现的功能分区结果作对比,发现其可以获得较为理想的分区结果;此外,细粒度街区作为功能单元一定程度上存在语义信息缺失的现象。因此,本文嵌入了街区分组算法（UPG）,通过对城市街区合理分组,进一步优化了算法在城市功能分区中的作用,获得了更为理想的结果。本文面向城市功能空间布局以及时空特征分析,开展了基本功能单元构建、城市功能时空混合布局以及融合时变特征的功能分区方法等方面的研究。本研究可以获得较为合理的城市功能分区结果,进一步推动了功能分区方法在实际规划领域中的应用,这对于城市功能分区方法理论的拓展以及城市规划、环境监测等领域具有重要的科学意义和社会价值。
刘奕[4]（2020）在《5G网络技术对提升4G网络性能的研究》文中研究指明随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
张周权[5]（2019）在《基于时空关联规则的南昌市湿地景观演变规律研究》文中研究表明湿地属于地球上的三大生态系统之一,是一种介于水体和陆地之间特殊的过渡型生态系统。城市湿地作为城市空间结构的重要组成部分,不但发挥着环境调节、资源供给和灾害防控等重要的生态服务功能,而且为城市居民提供了良好的生活环境。南昌市湿地资源丰富,但随着其社会经济的快速发展,南昌市的湿地景观格局也不断发生变化,对其生态功能的正常发挥产生一定的影响。因此,研究南昌市湿地景观格局变化规律并挖掘其演变特点,对其湿地保护工作具有重要意义。近年来,湿地生态监测的数据量不断增长,已渐渐超出传统数据处理方法能承受的数据量的范围。而时空关联规则挖掘领域的相关研究为如何从海量的数据中挖掘出有价值的信息,从而揭示各种湿地生态现象的变化规律提供了有效的解决方案。本文研究了1995-2016年南昌市的湿地景观格局变化及其演变轨迹规律。以1995-2016年间6期的南昌市Landsat遥感影像作为数据源,在参考土地利用现状图等辅助数据的情况下,采用最大似然分类法和目视解译相结合的方法,获取各期影像中的湿地信息。根据这些湿地信息,对南昌市的湿地总体变化趋势、湿地景观格局指数分析和湿地演变的驱动机制分析。并采用FP-growth算法从南昌市的湿地演变轨迹时空事务数据库中,挖掘其湿地景观的演变轨迹与变化特征。研究结果主要得到以下结论:（1）本文采用监督分类（最大似然法）、决策树分类和面相对象分类对南昌市的遥感影像进行解译,发现监督分类（最大似然法）的分类效果最好,其总体分类精度为83.82%,Kappa系数达到0.8。面相对象的分类效果次之,其总体分类精度为81.61%,Kappa系数为0.76。决策树分类的效果最差,其总体分类精度为71.64%,Kappa系数为0.65。综合考虑后,本文最终选用采用最大似然分类和目视解译相结合的方法,对各时期的南昌市遥感影像进行分类,从而提取南昌市的湿地信息。（2）1995-2001年间南昌市的湿地总面积逐渐上升,而在2001-2016年间其湿地总面积呈下降趋势。南昌市的自然湿地面积变化趋势平稳,其占南昌市面积的平均比例为17.69%,湖泊和沼泽是自然湿地的主要构成成分。南昌市的人工湿地面积在从1995-2001年间呈上升趋势,在2001-2016年间呈下降趋势,其占南昌市面积的平均比例为44.22%。水田在人工湿地中占据主导地位。（3）湿地景观格局的斑块类型指数分析结果表明,水田的平均景观比例指数和平均最大斑块指数都最大,说明其在整个湿地景观中的优势度最高。并且水田的破碎度也最大,其平均PD值为2.72个/hm2,边界复杂程度也最高。养殖塘和水库的受人类活动影响显着,湖泊和水田的空间连通性较强,湖泊空间聚集性最强（4）湿地景观格局的景观总体指数分析结果表明,在1995-2001年期间,南昌市湿地景观的破碎度降低,最大斑块的影响力增强。1995-2001年期间,破碎度上升,最大斑块影响力减弱。总体湿地景观受人类活动的影响呈现先减弱后加剧再减弱的趋势,各类型湿地景观的联通性则与之相反。景观分布的均衡性在2001年之后逐渐提升,各类湿地景观的聚集度则呈现先增强后减弱再增强再减弱的趋势。（5）采用主成分分析法对湿地景观的驱动机制分析发现,经济发展、人口变化、第二产业结构、降水量和气温变化是南昌市湿地景观变化的主要驱动力。（6）从南昌市的湿地演变轨迹时空事务数据库中共计挖掘出9386条强关联规则。其中,有941条关联规则符合正确性、时序性和演变性的评价标准。统计分析这些有趣关联规则,发现在1995-2016年间,湿地类型土地主要向建设用地和沼泽这两种土地类型演变。其中转变成建设用地的湿地最多,总计有285条向建设用地演变的轨迹,也表明了南昌市的城市化建设和降水量对其湿地演变的影响最为显着。随着湿地演变轨迹关联规则维度的升高,其平均置信度也随之升高。在五维湿地演变轨迹关联规则中,转向建设用地的轨迹数最多,并且水田是主要发生演变的类型。
封红娥[6]（2019）在《基于数据挖掘的湖岸带地物类型识别与景观格局分析》文中进行了进一步梳理随着社会发展与人口增加,湖岸线资源迫切需要开发,但同时湖泊生命健康的维护与水生态文明的建设也不容忽视,两者之间的矛盾不断的凸显。湖岸带不同地物类型的识别与景观格局分析可以为河湖管理工作提供一定的依据,缓解目前湖泊管理法规体系不完善,违法围垦湖泊现象频出的问题。本文以GF-1影像与Landsat影像为数据源,在数据挖掘算法中加入特征优选算法,建立新型的适用于国产卫星高分辨率影像的数据挖掘分类方法,基于Landsat影像对本文算法的适用性进行研究,在此基础上针对太湖湖岸带建立适用于分析湖岸带周边景观格局变化的指标体系,通过景观格局的变化分析,为湖岸带景观空间格局的优化提出建议。论文主要取得以下成果:（1）地物特征分析提取与特征优选算法研究本文采用分水岭分割算法对GF-1影像进行分割,并在此基础上提取了太湖湖岸带湖水、植被等7种地物类别的光谱、纹理、几何以及指数特征,共计76个特征,并分别描述了GF-1影像的四个波段在七种地物类型中的特征变化情况。在此基础上针对遥感影像分类特点改进了ReliefF算法,提出了一种结合ReliefF算法与J-M距离算法的特征优选算法。（2）基于数据挖掘的太湖湖岸带地物类型识别方法本文利用所研究出的特征优选算法,结合C4.5决策树算法完成了遥感影像的数据挖掘,湖岸带地物的分类精度达到90.85%。对此分类方法在Landsat影像中的适用性进行了分析,由实验结果可知分类精度达到85.68%,表明本文方法在Landsat影像中有较好的适用性。（3）太湖湖岸带景观格局的变化分析基于前文的研究成果,获取太湖湖岸带1995-2017的土地利用变化情况,进行太湖湖岸带景观格局类型动态变化分析,建立适用于太湖湖岸带的景观格局评价指标体系,通过景观格局分析为太湖湖岸带的景观空间格局优化提供了建议。
王小变,张静,王玺[7]（2019）在《基于数据挖掘和高光谱数据的湿地植被精细分类》文中认为以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型（canopy height model,CHM）数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法（SVM）分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.
陈远杰[8]（2018）在《基于覆盖模型的遥感时序数据互操作计算应用研究》文中提出随着3S技术、通讯技术和互联网技术的不断发展,空天地一体化对地观测网、“互联网+”天基信息服务、对地观测脑等概念的进一步拓展应用,对多源时空信息的获取、处理、应用和服务提出了新的挑战。在此背景下,本文以海量多源异构遥感时序数据挖掘为需求,开展基于覆盖模型的遥感时序数据互操作计算应用研究,以期为区域时空大数据互操作挖掘研究及应用提供新思路。遥感时序数据的海量多源异构特征是阻碍遥感时序信息互操作共享的主要问题之一,本文以Web覆盖服务规范（Web Coverage Service,WCS）的核心数据模型覆盖模型为基础模型,提出相应的遥感时序数据互操作计算方法,实现基于覆盖模型的遥感时序数据互操作计算应用。主要的研究内容如下:（1）提出了 Web 覆盖处理服务（Web Coverage Processing Service,WCPS）和R语言协同计算方法。在深入研究WCPS语法规则及其实现方法基础上,利用WCPS对覆盖数据进行互操作计算,并利用运行于Web的R语言对WCPS计算结果进一步计算,从而挖掘出覆盖数据深层次信息。（2）实现了遥感时序数据与覆盖数据的映射及存储。在深入研究覆盖模型相关理论的基础上,分析遥感时序数据与覆盖模型的关系,并研究了遥感时序数据与覆盖数据的映射方法。针对遥感时序数据互操作计算的解析需要,构建遥感影像元数据集,并利用覆盖模型元数据模块的可扩展性,构建集成该元数据集的覆盖模型。基于该模型,实现遥感时序数据与覆盖数据的映射。针对映射后覆盖数据存储问题,分析XML数据和遥感时序数据的存储方法,并设计相应的存储方案实现存储,为遥感时序数据互操作计算应用做铺垫。（3）构建了 WCPS和R语言协同计算互操作系统。针对WCPS和R语言协同计算的需求,构建相应的协同计算互操作系统。该系统的WCPS计算和R语言计算分别由覆盖数据处理引擎Rasdaman和Web环境下R平台Shiny实现。将该系统部署在4台Web服务器上,以进行遥感时序数据互操作计算实验。（4）以郑州市主城区为研究区域,以徐涵秋提出的遥感生态指数（Remote Sensing Ecological Index,RSEI）计算为案例,基于上述研究成果,利用部署在不同Web服务器的WCPS和R语言协同计算互操作系统实现RSEI互操作计算,并对结果进行生态学意义上的分析。案例表明,WCPS和R语言协同计算的方式,支持多源遥感时序数据中隐含的时空动态信息的挖掘,是一种有效的遥感时序数据互操作挖掘手段。
黄祥志[9]（2015）在《基于智方体的地理时空栅格数据模型化研究》文中研究指明随着地理信息价值逐渐得到认同和重视,地理信息数据得到了空前的发展,数据量不断膨胀,与其同时地理信息系统的相关应用也在迅速地丰富和增长。然而,由于目前的地理信息数据的采集具有的空间局限性和时间局限性,使得形成的地理信息数据在时间和空间上具有明显的离散性和碎片化特征,而地理信息应用对地理信息数据的时间有效性和空间有效性有着严格的要求,因此尽管地理信息数据呈爆炸式地增长,但是仍然无法满足地理信息应用的需求,海量地理信息数据陷入了数据量大、但却利用率低的窘境。大数据思想和技术的兴起为这一问题带来了解决方向,它使得传统的地理信息数据组织和管理的作用角色发生了改变,从面向海量数据的存储与服务延伸到了提高海量存量数据的利用率上。在地理时空大数据的背景下通过利用人工智能技术实现空间信息的连续化预测模拟成为了可能,也是未来智能时代发展的趋势。在这种趋势下,对空间信息数据组织模型的研究提出了新的要求和挑战。地理时空大数据智能化组织技术从大数据智能发现的初衷出发,强调地理时空大数据的内在关系和特征的描述和表达,提升地理时空大数据的信息发现能力和数据利用价值,解决由于空间数据狭隘的时空有效性所带来的应用瓶颈,从而促进空间信息产业和科研事业发展。本文从地理时空栅格大数据组织需求出发,基于地理时空栅格数据潜在的时序关系、空间关系、属性语义关系和演变过程关系等关联特性,利用大数据、智能化的思想和技术,研究空间信息大数据智能化组织模型,探索构建一个智能化的空间信息立方体,使其具备空间信息发现和智能化预测能力,实现离散、片段式的空间数据的智能化拟合、平滑和填补,从而丰富、提高以及有序化空间信息大数据的信息维度、密度和准确度,满足更多地理空间信息应用的需求。具体概括起来包括以下几方面内容：（1） 地理时空栅格数据智方体建模与论证在大数据思想和数据驱动的智能时代背景下,分析现有相关数据模型组织形态,参考人类智能对信息和知识的处理方式,探讨面向智能时代的数据模型的发展方向和需求,提出智方体数据组织模型的定义和特征,在智方体数据组织模型的基础上,结合地理时空栅格数据特点和大数据化所面临的问题和需求,探讨智能时代的地理时空大数据的发展潜力和组织形态,提出地理时空栅格数据智方体（Geo Raster Intelligent Cube, GRIC模型）的构建思想和特征定义,并开展了GRIC模型设计与基础原理论证。（2） 基于GRIC模型的关键技术和应用方法设计与验证基于GRIC模型的关键技术和应用方法的设计与验证以现有可行技术方案为基础,地理栅格大数据为主要研究对象,对地理时空栅格数据智方体进行了数据一体化组织、描述、存储、联想、发生、模拟、计算等方面的设计,具体内容包括：])设计基于时间概念本体、空间概念本体、属性语义本体的GRIC数据语义描述方法；2)设计基于规格化地理空间单元的地理时空矢栅一体化数据组织模型；3)设计基于地理位置的GRIC栅格列存储模型；4)设计地理时空栅格数据智方体数据存储架构和计算架构；5)设计基于GRIC语义描述的地理时空数据关联搜索方法；6)设计基于经典规则的GRIC信息自我发生机制；7)设计基于经验规则的GRIC信息模拟预测机制。（3） 开展基于GRIC的遥感数据库原型试验系统的实现与分析本文在国家高分专项的支持下,以高分应用综合数据库为基础,开展了GRIC的原型试验设计与实现。原型试验系统以海量高分卫星数据及其衍生产品以及其他国内外卫星数据为试验数据对象,进行了组织、管理、模拟等试验分析,试验结果表明GRIC模型在多用户并发传输和栅格数据计算性能方面具有明显的优势,同时GRIC模拟出来的数据具有一定的参考价值和应用价值。
王霄鹏[10]（2014）在《黄河三角洲湿地典型植被高光谱遥感研究》文中指出高光谱遥感数据的特征提取和分类工作是高光谱遥感应用领域的研究重点和热点。滨海湿地区域面积广阔、地物分布复杂多样,且高光谱遥感数据本身维度高、数据量大,导致传统的特征提取方法对于蕴含于高光谱数据中的光谱特征信息利用有限,对于专家经验知识和统计信息以外的潜在特征,难以充分提取,进而难以形成适用于滨海湿地高光谱遥感数据的高精度分类算法。这不利于高光谱遥感技术在滨海湿地遥感研究领域的深入发展。本文的工作主要面向滨海湿地植被高光谱遥感精细化监测的需求,以黄河三角洲湿地为研究区域,利用高光谱遥感影像和现场采集的典型植被现场光谱数据,发展了基于数据挖掘技术的滨海湿地典型植被高光谱特征提取和分类方法,实现针对研究区域典型植被与地物类型的高精度提取和分类。具体内容如下：（1）开展了基于光谱可分性与季节光谱特征差异的现场光谱特征分析针对研究区域和高光谱遥感影像的特点,开展黄河三角洲滨海湿地典型植被现场光谱测量,得到了对研究区域植被类型光谱特征代表性良好的现场光谱数据；利用现场实测的典型植被光谱数据,开展基于反射率光谱的植被光谱分析和特征提取。为分析不同植被光谱间的可分性特征,发展了一种基于包络线去除光谱差值的特征波段提取方法,获得了典型植被的波段可分性查找表；为分析不同植被不同季节的光谱特征差异,基于导数变换方法开展典型植被春、秋两季光谱特征分析比较工作,获得了绿光反射峰、红光吸收峰、红边和近红外反射峰等4种光谱特征的位置和反射率差异信息。（2）发展了基于数据挖掘的研究区域典型植被高光谱遥感特征提取技术针对PROBA CHRIS多视角高光谱遥感卫星影像,首先研究了该影像数据的预处理技术,并对不同视角影像的成像效果及分类能力进行分析研究,确定0°视角影像作为特征提取的数据源。在此基础上,为获取高光谱遥感影像中典型植被的遥感光谱特征和特征波段组合规律,指导研究区域典型植被遥感分类,发展了一种基于关联规则挖掘的滨海湿地典型植被高光谱遥感特征提取技术,利用关联规则挖掘中的广义规则归纳算法,配合关联规则定量指标分析,获得了研究区域8类典型植被与地物类型（包括芦苇、柽柳、碱蓬、大米草、清澈水体、浑浊水体、裸滩、裸地）的高光谱遥感特征集。该技术能够充分提取高光谱遥感数据中的潜在特征,并满足光谱特征在分类、波段和信息等多个维度的独立性要求。（3）发展了基于决策树的研究区域典型植被高光谱遥感分层分类方法针对覆盖研究区域的PROBA CHRIS高光谱遥感数据,基于本文所建立的典型植被与地物类型高光谱遥感特征集,并结合现场光谱特征波段信息,确定研究区域8类典型植被与地物类型高光谱遥感分类规则,发展了一种基于决策树的黄河三角洲典型植被高光谱遥感分层分类方法。利用该方法对PROBA CHRIS高光谱遥感影像进行分类实验,将整景影像分为8类典型植被与地物类型,利用现场踏勘信息结合高空间分辨率遥感影像解译所获取的标准解译图像,对分类结果进行精度评价,并与基于相同训练样本的SVM分类结果进行对比,实验结果显示,本文所发展的分类方法其分类精度较SVM算法有明显提高,超过10%。
二、遥感影像关联规则数据挖掘（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、遥感影像关联规则数据挖掘（论文提纲范文）
（1）智慧林业中立体感知体系关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.1.1 选题目的 |
| 1.1.2 选题意义 |
| 1.2 研究现状 |
| 1.2.1 基于无线传感器网络的森林资源信息监测研究 |
| 1.2.2 基于遥感影像的森林变化监测研究 |
| 1.3 研究内容以及创新点 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文主要创新点 |
| 1.4 本文的组织结构 |
| 2 相关理论及方法 |
| 2.1 无线传感器网络 |
| 2.1.1 无线传感器网络结构 |
| 2.1.2 无线传感器网络的协议栈 |
| 2.2 遥感影像处理技术 |
| 2.2.1 遥感影像的预处理 |
| 2.2.2 基于深度学习的遥感影像分类与变化检测 |
| 2.3 本章小结 |
| 3 基于无线传感器网络的森林资源监测方法及系统 |
| 3.1 基于信任的无线传感器网络数据传输模型 |
| 3.1.1 无线传感器网络与可信信息传播概述 |
| 3.1.2 基于信任的信息传播模型 |
| 3.1.3 实验结果与分析 |
| 3.2 改进的基于ADHOC网络的组播路由算法 |
| 3.2.1 组播路由协议基本过程 |
| 3.2.2 局部组合定位的路由算法 |
| 3.2.3 实验结果与分析 |
| 3.3 基于博弈理论的无线传感器网络自私节点惩罚机制 |
| 3.3.1 激励惩罚机制概述 |
| 3.3.2 基于博弈理论的惩罚机制 |
| 3.3.3 模拟实验与结果分析 |
| 3.4 基于无线传感器网络的森林环境信息监测系统 |
| 3.4.1 系统设计思路 |
| 3.4.2 系统硬件设计 |
| 3.4.3 系统模拟软件 |
| 3.5 本章小结 |
| 4 基于无人机激光雷达的单木尺度森林资源监测技术 |
| 4.1 激光雷达数据解算及误差分析 |
| 4.2 地面点滤波 |
| 4.3 冠层高度模型的生成 |
| 4.4 单木树冠提取 |
| 4.5 单木参数提取 |
| 4.6 实验结果与分析 |
| 4.6.1 无人机激光雷达系统 |
| 4.6.2 地面调查数据介绍 |
| 4.6.3 精度评价与分析 |
| 4.7 本章小结 |
| 5 基于遥感影像的森林资源监测方法 |
| 5.1 基于分布式的遥感影像特征提取方法 |
| 5.1.1 遥感影像并行预处理 |
| 5.1.2 基于Hadoop的遥感影像特征提取方法 |
| 5.1.3 基于Hadoop的遥感影像特征提取算法实现 |
| 5.1.4 实验结果与分析 |
| 5.2 基于卷积神经网络的遥感影像语义分割 |
| 5.2.1 编码器模块组成 |
| 5.2.2 SELU激活函数 |
| 5.2.3 实验结果与分析 |
| 5.3 基于特征融合的森林资源变化监测方法 |
| 5.3.1 聚焦损失函数 |
| 5.3.2 随机森林 |
| 5.3.3 特征融合 |
| 5.3.4 实验结果及分析 |
| 5.4 基于深度学习的森林变化监测系统 |
| 5.4.1 需求分析 |
| 5.4.2 系统的总体功能 |
| 5.4.3 数据库概念结构设计 |
| 5.4.4 用户管理和遥感影像管理模块 |
| 5.4.5 监测区域变化监测功能 |
| 5.4.6 变化检测结果显示模块 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 东北林业大学博士学位论文修改情况确认表 |
（2）面向地震风险评估的高分辨率遥感影像建筑物信息提取与研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 地震风险评估研究现状 |
| 1.2.2 建筑物提取研究现状 |
| 1.3 研究目标、内容和技术路线 |
| 1.4 论文组织结构 |
| 第2章 地震风险评估理论方法 |
| 2.1 地震风险评估概述 |
| 2.2 建筑物地震风险评估方法 |
| 2.2.1 经验统计法 |
| 2.2.2 专家评估法 |
| 2.2.3 易损性分析法 |
| 2.3 地震风险评估流程 |
| 2.4 建筑类型划分 |
| 2.5 震害等级划分 |
| 2.6 本章小结 |
| 第3章 面向地震风险评估的深度学习建筑物自动提取 |
| 3.1 深度学习基础理论 |
| 3.1.1 深度学习概述 |
| 3.1.2 卷积神经网络 |
| 3.1.3 图像语义分割评估指标 |
| 3.2 USPP模型设计 |
| 3.2.1 U型编码-解码器结构 |
| 3.2.2 空间金字塔池化模型 |
| 3.2.3 USPP模型 |
| 3.2.4 模型训练和测试 |
| 3.3 实验数据及参数设置 |
| 3.3.1 实验数据集 |
| 3.3.2 数据预处理 |
| 3.3.3 实验参数设置 |
| 3.4 实验结果与分析 |
| 3.4.1 Masachusetts数据集实验结果 |
| 3.4.2 INRIA数据集实验结果 |
| 3.4.3 建筑物单体提取结果对比 |
| 3.4.4 计算效率对比 |
| 3.5 讨论 |
| 3.6 本章小结 |
| 第4章 改进的非对称深度学习模型建筑物自动提取 |
| 4.1 ARC-Net模型设计 |
| 4.1.1 嵌入RBAC模块及下采样的编码器结构 |
| 4.1.2 空洞卷积空间金字塔池化模块 |
| 4.1.3 上采样解码器 |
| 4.2 实验数据及参数设置 |
| 4.2.1 实验数据集 |
| 4.2.2 数据预处理 |
| 4.2.3 实验参数设置 |
| 4.2.4 模型对比 |
| 4.3 实验结果与分析 |
| 4.3.1 INRIA数据集实验结果 |
| 4.3.2 WHU数据集实验结果 |
| 4.3.3 计算效率对比 |
| 4.4 乌鲁木齐建筑物提取应用 |
| 4.4.1 数据处理 |
| 4.4.2 实验结果 |
| 4.5 渭南农村建筑物提取应用 |
| 4.5.1 数据处理 |
| 4.5.2 实验结果 |
| 4.6 讨论 |
| 4.6.1 神经网络是否越深越好 |
| 4.6.2 空洞卷积空间金字塔池化模块的精度影响 |
| 4.6.3 关于ARC-Net模型 |
| 4.6.4 深度学习提取建筑物优缺点 |
| 4.7 本章小结 |
| 第5章 基于机器学习和多源数据融合的地震风险评估 |
| 5.1 研究区概况 |
| 5.2 多源数据处理 |
| 5.2.1 乌鲁木齐数据库 |
| 5.2.2 实地调研数据 |
| 5.3 数据挖掘方法 |
| 5.3.1 支持向量机算法 |
| 5.3.2 关联规则算法 |
| 5.3.3 易损性指数方法 |
| 5.4 数据挖掘实验结果 |
| 5.4.1 支持向量机应用结果 |
| 5.4.2 关联规则应用结果 |
| 5.5 乌鲁木齐地震风险评估 |
| 5.5.1 地震风险分布 |
| 5.5.2 建筑物震害空间分布 |
| 5.6 本章小结 |
| 第6章 基于情景构建和社会脆弱性的地震风险评估 |
| 6.1 研究区概况 |
| 6.2 实地调研及数据处理 |
| 6.3 地震易损性方法 |
| 6.3.1 建筑物易损性指数方法 |
| 6.3.2 土壤条件对震害的影响 |
| 6.4 实验结果 |
| 6.4.1 地震易损性评估 |
| 6.4.2 地震震害评估 |
| 6.4.3 地震情景构建 |
| 6.5 讨论 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录1 图目录 |
| 附录2 表目录 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）多源异构数据融合分析视角下的城市功能分区方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及依据 |
| 1.1.1 众源地理数据的蓬勃发展 |
| 1.1.2 城市功能分区识别是城市计算的核心课题之一 |
| 1.1.3 社会感知概念下的城市空间信息挖掘 |
| 1.1.4 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 城市功能分区研究进展 |
| 1.2.2 城市功能分区所用的数据源 |
| 1.2.3 城市功能分区方法 |
| 1.2.4 尺度效应下城市空间基本分析单元的选择 |
| 1.2.5 当前研究中存在的主要问题 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文的主要创新点 |
| 1.5 章节安排 |
| 第2章 城市功能分区的理论及方法 |
| 2.1 城市功能分区的结构与成因 |
| 2.2 城市功能分区的理论发展与实践修正 |
| 2.2.1 城市功能分区的理论发展 |
| 2.2.2 数据驱动下的区域特征描述 |
| 2.2.3 城市功能分区方法的具体实践 |
| 2.3 本章小结 |
| 第3章 兼顾城市形态和功能连通特征的街区分组方法研究 |
| 3.1 本章概述 |
| 3.2 城市功能连通特征描述与街区分组方法设计 |
| 3.2.1 研究区域和数据源 |
| 3.2.2 城市街区中的成分渗透行为 |
| 3.2.3 街区邻近关系的表达与测度 |
| 3.2.4 城市街区分组方法 |
| 3.3 实验结果与分析 |
| 3.3.1 街区间渗透行为分析 |
| 3.3.2 城市街区分组方法的结果分析 |
| 3.3.3 UPG方法的实际应用 |
| 3.4 本章小结 |
| 第4章 顾及混合特征的城市功能时空同现模式挖掘 |
| 4.1 本章概述 |
| 4.2 城市功能同位模式的挖掘 |
| 4.2.1 二阶POI候选实例对的整合 |
| 4.2.2 多阶同位模式候选集的生成与过滤 |
| 4.2.3 实验与分析 |
| 4.3 面向城市功能的时空同现规律挖掘 |
| 4.3.1 融合城市热点信息的城市功能多时相描述 |
| 4.3.2 时空动态特征下的城市功能相似性解算 |
| 4.3.3 结果与分析 |
| 4.4 本章小结 |
| 第5章 融合时变特征的城市功能区识别方法 |
| 5.1 基本方法与系统原型 |
| 5.1.1 城市功能类型分类体系构建 |
| 5.1.2 城市功能分区方法 |
| 5.1.3 原型系统的设计与使用 |
| 5.2 实验结果与分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（5）基于时空关联规则的南昌市湿地景观演变规律研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景绪论与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 湿地景观格局研究现状 |
| 1.2.2 时空关联规则挖掘研究现状 |
| 1.3 技术路线 |
| 1.4 论文研究内容及组织结构 |
| 第2章 时空关联规则基础理论 |
| 2.1 时空关联规则概述 |
| 2.2 时空关联规则算法 |
| 2.3.1 Apriori算法 |
| 2.3.2 FP-growth算法 |
| 2.3 时空关联规则的挖掘过程 |
| 2.4 关联规则的评价指标 |
| 2.4.1 客观评价指标 |
| 2.4.2 主观评价指标 |
| 第3章 研究区域与数据处理 |
| 3.1 研究区域概况 |
| 3.2 数据源 |
| 3.3 影像预处理 |
| 3.4 湿地类型的划分与界定 |
| 3.5 湿地信息提取方法 |
| 3.5.1 监督分类 |
| 3.5.2 决策树分类 |
| 3.5.3 面向对象分类 |
| 3.6 解译的精度评价与结果 |
| 第4章 南昌湿地景观变化分析 |
| 4.1 湿地的总体变化趋势 |
| 4.2 湿地景观格局指数分析 |
| 4.2.1 景观格局指数的选取 |
| 4.2.2 南昌市湿地景观的斑块类型指数分析 |
| 4.2.3 南昌市湿地景观的景观总体指数分析 |
| 4.3 湿地演变的驱动机制分析 |
| 4.3.1 驱动因子的定量分析 |
| 4.3.2 驱动因子的定性分析 |
| 第5章 南昌市湿地演变特征的关联规则挖掘 |
| 5.1 栅格数据的尺度选择 |
| 5.2 时空数据模型构建 |
| 5.2.1 时空数据模型 |
| 5.2.2 湿地演变轨迹时空事务数据库构建 |
| 5.3 关联规则挖掘与评价 |
| 5.4 演变轨迹关联规则的解读与分析 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 在攻读学位期间取得的科研成果 |
| 参考文献 |
（6）基于数据挖掘的湖岸带地物类型识别与景观格局分析（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外研究现状 |
| 1.2.2 存在问题 |
| 1.3 论文研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 总体技术路线 |
| 1.4 论文创新点 |
| 2 研究区简介及数据收集与预处理 |
| 2.1 研究区概况 |
| 2.1.1 自然地理状况 |
| 2.1.2 社会经济状况 |
| 2.2 数据与处理 |
| 2.2.1 数据源 |
| 2.2.2 数据预处理 |
| 2.3 本章小结 |
| 3 基于数据挖掘的湖岸带地物类型识别技术 |
| 3.1 湖岸带影像分割方法研究 |
| 3.2 湖岸带地物特征分析与提取 |
| 3.2.1 光谱特征的分析与提取 |
| 3.2.2 纹理特征的分析与提取 |
| 3.2.3 几何特征的分析与提取 |
| 3.2.4 指数特征的分析与提取 |
| 3.3 湖岸带地物分类规则挖掘 |
| 3.3.1 特征优选算法研究 |
| 3.3.2 地物分类规则挖掘 |
| 3.4 分类结果与精度验证 |
| 3.5 本章小结 |
| 4 基于数据挖掘的湖岸带地物类型识别方法的适用性分析 |
| 4.1 基于Landsat8 影像的湖岸带地物分类 |
| 4.2 分类结果比对与适用性分析 |
| 4.3 本章小结 |
| 5 太湖湖岸带景观格局变化分析 |
| 5.1 景观格局类型动态变化分析 |
| 5.1.1 湖岸带景观类型及变化 |
| 5.1.2 湖岸带景观转移矩阵 |
| 5.2 景观格局指数变化分析 |
| 5.2.1 景观格局评价指标体系建立 |
| 5.2.2 太湖湖岸带空间格局分析 |
| 5.3 太湖湖岸带景观空间格局优化建议 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论与成果 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）基于数据挖掘和高光谱数据的湿地植被精细分类（论文提纲范文）
| 1 研究区概况 |
| 2 数据源与预处理 |
| 3 研究方法 |
| 3.1 训练样本选择 |
| 3.2 算法原理 |
| 3.3 高光谱遥感特征集提取 |
| 4 研究结果 |
| 4.1 基于数据挖掘的决策树生成 |
| 4.2 研究区分类试验 |
| 4.3 精度评价 |
| 5 结 论 |
（8）基于覆盖模型的遥感时序数据互操作计算应用研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 GIS互操作研究现状 |
| 1.2.2 基于覆盖模型的互操作研究现状 |
| 1.2.3 R语言在GIS领域的研究现状 |
| 1.3 研究目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文的组织结构 |
| 第二章 WCPS和R语言协同计算方法 |
| 2.1 基于覆盖模型的互操作方法 |
| 2.1.1 WCS及WCPS概述 |
| 2.1.2 WCPS语法规则 |
| 2.1.3 WCPS实现方法 |
| 2.2 WCPS和R语言协同计算方法 |
| 2.2.1 R语言概述 |
| 2.2.2 WCPS与R语言协同计算方法 |
| 2.3 本章小结 |
| 第三章 遥感时序数据与覆盖数据的映射及存储 |
| 3.1 覆盖模型的相关理论 |
| 3.1.1 覆盖模型的抽象概念 |
| 3.1.2 覆盖模型的分类 |
| 3.1.3 覆盖模型编码模式 |
| 3.1.4 覆盖模型时空信息表达方法 |
| 3.2 遥感时序数据与覆盖模型的关系 |
| 3.3 遥感时序数据与覆盖数据的映射 |
| 3.4 遥感影像元数据集的构建 |
| 3.5 集成遥感影像元数据集的覆盖模型实现 |
| 3.6 映射后的覆盖数据存储 |
| 3.6.1 遥感时序数据存储 |
| 3.6.2 XML数据存储 |
| 3.7 本章小结 |
| 第四章 WCPS和R语言协同计算互操作系统构建 |
| 4.1 WCPS和R语言实现平台概述 |
| 4.1.1 WCPS实现平台 |
| 4.1.2 Web环境下R平台 |
| 4.2 WCPS和R语言协同计算互操作系统实现 |
| 4.2.1 系统开发语言与开发环境 |
| 4.2.2 系统架构设计 |
| 4.2.3 系统主要模块及实现 |
| 4.3 系统部署环境 |
| 4.4 本章小结 |
| 第五章 遥感时序数据互操作计算应用案例-以郑州主城区RSEI计算为例 |
| 5.1 RSEI研究背景 |
| 5.2 研究区概况及覆盖数据准备 |
| 5.2.1 覆盖数据准备 |
| 5.2.2 研究区概况 |
| 5.3 RSEI互操作计算 |
| 5.3.1 RSEI互操作计算方案 |
| 5.3.2 各分指标及RSEI计算方法 |
| 5.4 结果分析 |
| 5.4.1 RSEI计算结果可靠性分析 |
| 5.4.2 时空变化分析 |
| 5.4.3 回归预测分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 工作总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录1 |
| 附录2 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）基于智方体的地理时空栅格数据模型化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 大数据驱动的智能时代背景 |
| 1.1.2 智能时代下的地理时空栅格大数据 |
| 1.1.3 地理时空栅格大数据组织面临的问题与挑战 |
| 1.2 国内外研究现状综述 |
| 1.2.1 地理时空栅格数据模型 |
| 1.2.2 多源异构地理时空栅格数据规格化 |
| 1.2.3 海量地理时空栅格数据高效存储与计算 |
| 1.2.4 面向智能化挖掘的地理时空栅格大数据组织 |
| 1.3 研究动机与目的 |
| 1.4 主要研究内容与论文组织 |
| 1.4.1 研究思路 |
| 1.4.2 研究内容 |
| 1.4.3 论文章节安排 |
| 2 地理时空栅格数据智方体模型 |
| 2.1 智方体数据组织概念模型 |
| 2.1.1 智方体数据组织模型定义 |
| 2.1.2 智方体数据组织模型构建思想 |
| 2.1.3 智方体数据组织模型对象描述 |
| 2.1.4 智方体数据组织模型功能描述 |
| 2.1.5 智方体数据组织模型特征 |
| 2.2 地理时空栅格数据特性分析 |
| 2.2.1 空间信息的基本特征 |
| 2.2.2 属性信息间的内在关联特征 |
| 2.2.3 大数据应用的适应特征 |
| 2.3 地理时空栅格数据智方体模型定义 |
| 2.4 地理时空栅格数据智方体构建原理与优势 |
| 2.5 地理时空栅格数据智方体数据组织 |
| 2.6 地理时空栅格数据智方体对象结构 |
| 2.7 地理时空栅格数据智方体技术体系 |
| 2.8 地理时空栅格数据智方体模型特性 |
| 2.9 本章小结 |
| 3 基于GRIC模型的组织框架设计原理与方法 |
| 3.1 地理时空数据多维关联结构抽象 |
| 3.1.1 时间维度关联 |
| 3.1.2 空间维度关联 |
| 3.1.3 地理数据多尺度间关联 |
| 3.2 基于时空语义网络的信息描述与组织 |
| 3.2.1 基于本体的GRIC语义网络 |
| 3.2.2 GRIC遥感特征信息概念本体的构建 |
| 3.2.3 GRIC时间概念本体的构建 |
| 3.2.4 GRIC空间概念本体的构建 |
| 3.3 地理时空栅格大数据规格化组织模型 |
| 3.3.1 地理时空栅格数据规格化 |
| 3.3.2 双地理经纬格网数据切分模型 |
| 3.3.3 矢量栅格一体化转换模型 |
| 3.4 基于地理位置的栅格列存储模型 |
| 3.4.1 基于地理位置的栅格列存储模型结构 |
| 3.4.2 多维地理时空数据集栅格列存储过程 |
| 3.4.3 基于地理位置的栅格列存储模型分析 |
| 3.5 基于地理位置分布相关的云存储架构 |
| 3.5.1 基于GRIC模型的逻辑存储结构 |
| 3.5.2 基于虚拟映射的分布式对象存储模型 |
| 3.5.3 基于GRIC模型的云存储系统组成 |
| 3.6 基于GRIC模型的栅格并行计算架构 |
| 3.7 本章小结 |
| 4 基于GRIC模型的大数据应用分析方法 |
| 4.1 基于语义网络的地理时空数据关联搜索 |
| 4.1.1 GRIC关联搜索的过程 |
| 4.1.2 GRIC语义联想匹配方法 |
| 4.1.3 GRIC关联权重赋值算法 |
| 4.1.4 基于关联权重的联想信息降维和过滤 |
| 4.2 基于特征规则的网络数据识别与汇聚 |
| 4.2.1 GRIC数据认知特征库与特征学习 |
| 4.2.2 基于特征匹配的地理时空数据认知过程 |
| 4.2.3 多源异构网络地理时空数据汇聚与整合 |
| 4.3 基于经典规则的GRIC信息自我发生 |
| 4.3.1 基于组件化的GRIC信息发生算法 |
| 4.3.2 GRIC信息发生算法组件流程描述 |
| 4.3.3 GRIC信息发生算法描述 |
| 4.3.4 GRIC信息发生算法工作方式 |
| 4.4 基于经验规则的GRIC信息模拟预测 |
| 4.4.1 时间序列和时间序列预测的概念 |
| 4.4.2 BP神经网络进行时间序列预测的可行性分析 |
| 4.4.3 基于非线性最小二乘法的BP神经网络模拟预测算法 |
| 4.5 本章小结 |
| 5 原型试验系统实现与实验分析 |
| 5.1 系统架构 |
| 5.2 系统运行环境 |
| 5.2.1 系统部署 |
| 5.2.2 试验环境 |
| 5.2.3 试验数据 |
| 5.3 系统模块组件 |
| 5.4 系统模块实现 |
| 5.4.1 数据产品规格化 |
| 5.4.2 规格化数据查询 |
| 5.4.3 规格化数据传输 |
| 5.4.4 语义信息管理 |
| 5.4.5 信息产品生产 |
| 5.4.6 系统节点监控 |
| 5.5 原型试验系统的实验比较与分析 |
| 5.5.1 基于列存储的并发传输性能测试 |
| 5.5.2 基于列存储和GPU的并发计算性能测试 |
| 5.5.3 数据模拟预测效果测试 |
| 5.6 本章小结 |
| 6 结论及展望 |
| 6.1 研究工作总结 |
| 6.2 研究特色与创新 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简介 |
（10）黄河三角洲湿地典型植被高光谱遥感研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 传统的高光谱特征提取和分类方法 |
| 1.2.2 基于数据挖掘的高光谱特征提取和分类方法 |
| 1.3 本文主要研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 主要研究内容 |
| 1.4 技术路线 |
| 第2章 研究区域和数据 |
| 2.1 研究区域概况 |
| 2.1.1 地理位置 |
| 2.1.2 地质地貌 |
| 2.1.3 气候水文 |
| 2.1.4 自然资源 |
| 2.1.5 区域典型植被 |
| 2.2 高光谱遥感数据与地物解译结果 |
| 2.2.1 高光谱遥感数据 |
| 2.2.2 地物解译结果 |
| 2.3 现场光谱数据 |
| 2.3.1 现场数据采集 |
| 2.3.2 现场光谱数据预处理 |
| 2.4 小结 |
| 第3章 高光谱遥感数据处理技术 |
| 3.1 条带噪声滤除 |
| 3.2 大气校正 |
| 3.3 几何校正 |
| 3.4 非线性变换 |
| 3.4.1 包络线去除 |
| 3.4.2 导数变换 |
| 3.5 多视角分析 |
| 3.5.1 目视分析 |
| 3.5.2 分类及评价 |
| 3.6 小结 |
| 第4章 黄河三角洲湿地典型植被现场光谱特征分析 |
| 4.1 典型植被现场光谱特征可分性分析 |
| 4.1.1 实验数据 |
| 4.1.2 光谱差值特征提取方法 |
| 4.1.3 典型植被现场光谱可分性特征分析 |
| 4.2 典型植被现场光谱特征季节差异分析 |
| 4.2.1 实验数据 |
| 4.2.2 光谱数据特征提取方法 |
| 4.2.3 典型植被现场光谱季节性特征分析 |
| 4.3 小结 |
| 第5章 基于数据挖掘的黄河三角洲湿地典型植被高光谱遥感特征提取 |
| 5.1 基于关联规则挖掘的滨海湿地典型植被高光谱遥感特征提取技术 |
| 5.2 典型植被高光谱遥感规则候选集挖掘 |
| 5.3 基于定量指标的典型植被高光谱遥感特征提取 |
| 5.4 小结 |
| 第6章 黄河三角洲湿地典型植被高光谱遥感分类方法与评价 |
| 6.1 基于决策树的黄河三角洲湿地典型植被分层分类方法 |
| 6.2 PROBA CHRIS黄河三角洲湿地典型植被分类实验 |
| 6.3 分类结果评价 |
| 6.3.1 分类精度评价 |
| 6.3.2 与SVM算法的对比评价 |
| 6.4 小结 |
| 第7章 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论 |
| 参考文献 |
| 攻读学位期间公开发表论文 |
| 致谢 |
| 作者简介 |
四、遥感影像关联规则数据挖掘（论文参考文献）
- [1]智慧林业中立体感知体系关键技术研究[D]. 王艳华. 东北林业大学, 2021
- [2]面向地震风险评估的高分辨率遥感影像建筑物信息提取与研究[D]. 刘耀辉. 中国地震局地质研究所, 2020(03)
- [3]多源异构数据融合分析视角下的城市功能分区方法研究[D]. 吴鹏. 中国科学院大学(中国科学院东北地理与农业生态研究所), 2020(05)
- [4]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [5]基于时空关联规则的南昌市湿地景观演变规律研究[D]. 张周权. 东华理工大学, 2019(01)
- [6]基于数据挖掘的湖岸带地物类型识别与景观格局分析[D]. 封红娥. 中国地质大学(北京), 2019(02)
- [7]基于数据挖掘和高光谱数据的湿地植被精细分类[J]. 王小变,张静,王玺. 河北师范大学学报(自然科学版), 2019(02)
- [8]基于覆盖模型的遥感时序数据互操作计算应用研究[D]. 陈远杰. 福州大学, 2018(03)
- [9]基于智方体的地理时空栅格数据模型化研究[D]. 黄祥志. 浙江大学, 2015(10)
- [10]黄河三角洲湿地典型植被高光谱遥感研究[D]. 王霄鹏. 大连海事大学, 2014(03)