摘要：基于骨架数据的细粒度人体动作识别是一项重要的研究课题,但未被充分解决.由于骨架数据缺乏视觉表观信息,相似类别的人体动作很难被现有的深度网络模型识别.在这项工作中,我们提出了一个新型的运动显著性探测器(motion salience prober,MSP),并引入了配对学习(motion salience prober-incorporated pairwise-learning,MSP-PL)框架,以实现细粒度的骨架动作识别.我们的MSP-PL框架在构造成对的相似骨架运动样本基础上(查询样本与探测样本),利用运动显著性学习机制,促进编码器学习精细化的运动特征.其核心模块MSP可以在我们设计的探测样本和损失函数的帮助下,增强查询样本的显著性运动特征,并消除冗余的噪声.本文设计了3种探测样本构造策略来生成查询–探测样本对,辅助模型识别查询样本的动作,并测试了它们对模型性能的影响.在NTU-RGB+D120数据集与Kinetics-Skeleton数据集上的大量实验表明,我们的MSP-PL框架是通用的,大多数骨架特征编码器可以无缝嵌入其中,并显著提高其准确性.5个主流的编码器对精细化动作的平均分类准确率提高了2.4%以上.此外,我们的MSP-PL框架在与最新的编码器相结合时,在骨架动作识别方面达到了最先进的性能.

摘要：针对当前大部分垂直切换算法采用分布式局部寻优策略,容易导致网络拥塞的问题,提出一种基于软件定义网络(softwaredefinednetwork,SDN)架构的垂直切换算法。利用SDN获得全局网络状态信息,设计模糊逻辑控制模型对网络多属性参数进行归一化决策处理与收益计算,结合二阶马尔可夫模型预测未来全局网络的实际状态,实现异构无线网络的集中控制与切换决策。实验结果表明,所提算法在节点移动的动态性条件下能获得较优的切换性能,可以满足异构无线网络通信的切换需求。

摘要：新型城镇化的建设和管理经常涉及到多源异构时空数据的集成和协同应用,其中基础地理数据因具有数据描述信息可被快速识别,有些数据如实时感知数据等,因没有描述信息而难以被识别,使得数据无法及时共享应用。因此,本文分析了不同新型城镇化途径下时空数据共享应用需求,总结了时空数据的时间属性、空间属性和内容属性在共享应用中的作用,并从其可共享性快速识别的角度出发,以时空数据的时间、空间和内容等属性为主要内容设计了一个轻量级的时空数据共享信息描述框架(description framework of spatial data sharing information,DFSDSI)实现多标准时空本体数据共享特征的统一表达,从而为城镇多源异构时空数据可共享性的快速识别提供判断依据。

摘要：当前,时空信息、定位导航服务已成为重要的新型基础设施,在通用人工智能的驱动下,大模型引领的智能时代已经到来,越来越强大的大模型将在测绘时空信息智能处理与应用中发挥越来越重要的作用。以大模型为研究范式,总结大模型在测绘时空信息智能处理的现状与进展,分析大模型在测绘时空信息智能处理面临的挑战,阐述多模态融合与理解架构设计、提示工程优化微调以及人在回路引导决策3个核心方面在时空信息测绘大模型中的关键作用。针对行业理解深度、数据安全隐患、内容可信度保障以及训练部署成本优化4个方面,展望时空信息测绘大模型面临的挑战与发展趋势。

摘要：针对当前45°镜转扫模式的无人机机载激光雷达扫描效率低、视场角小的问题,提出一种四面塔镜扫描高精度三维成像方法。首先,设计一种面向无人机载激光雷达扫描的四面塔镜结构;其次,建立四面塔镜扫描成像模型,推导四面塔镜扫描坐标方程;再次,分析四面塔镜的轨迹特点和影响因素,并与45°镜的扫描轨迹进行对比;最后,通过实验对比四面塔镜和45°镜扫描无人机机载激光雷达获取的三维激光点云质量。结果表明,在相同转速下四面塔镜的扫描效率为45°镜的三倍以上,扫描点云密度高、厚度小、穿透性好,在高精度地形测绘中具有广泛应用前景。

摘要：天问一号是中国首次独立开展的行星际探测任务,实现了对火星的环绕、着陆、巡视探测。天问一号正常科学任务阶段环绕以极轨设计为主,与历史火星任务类似,对当前火星重力场模型精度改进有限,因此其拓展任务轨道选取至关重要。通过对极轨圆轨道和近赤道大偏心率轨道进行仿真模拟,分析两种典型轨道构型对现有火星重力场模型改进的可能性,基于不同误差考量仿真解算了对应6个重力场模型。借助重力场功率谱分析,发现在测量噪声为0.1 mm/s的情况下,不论采用极轨还是近赤道轨道,一个月的跟踪数据均可较好地反演出42阶次的火星重力场模型;考虑综合误差影响之后,发现两种轨道对于重力场解算精度类似,其中实施近赤道大偏心率轨道对35阶次以上约束略强。

摘要：针对多源遥感影像之间非线性辐射和几何畸变的差异严重影响配准质量的问题,本文提出一种具有双向一致性变换适用于多源遥感影像的配准方法。首先,利用微调的ResNet101网络模型提取多源遥感影像学习型特征,在特征匹配阶段,为提高同名特征匹配的可靠性,设计了一种双向一致性特征匹配网络模型;然后,基于小型轻量级网络加权回归变换模型参数,实现多源遥感影像稳健可靠的配准。试验利用Google Earth影像、卫星影像、无人机影像、Google Earth-卫星-无人机混合影像4种不同数据源对本文方法进行测试,并与具有代表性的多种方法进行比较,结果表明本文方法在配准精度、效率、稳健性方面具有优势,基本实现了2像素以内的自动配准精度。

摘要：居民地内部组成复杂且样本稀少,导致传统监督范式提取精度低、范围小、跨地域提取不可靠等问题。基于此提出一种结合深度网络与知识迁移的框架,用于从高分辨率遥感影像中跨地域提取居民地。该框架在无需居民地监督信息的条件下,通过分析建筑与居民地的高相关性,采用地理映射实现知识迁移,利用建筑数据自动构建居民地样本集。使用深度网络迁移学习获取建筑范围,经模型微调实现跨地域居民地自动提取,并与常用的传统特征设计和全监督深度网络方法进行对比。研究结果表明,在相同的自动化程度下,该框架居民地提取精度优于其他方法,在测试数据上的分类F1指数为85.6%,IOU为74.8%。该框架泛化能力强、样本获取代价低,可为高分辨率遥感影像跨地域居民地提取提供参考。

摘要：城市活动结构在居民出行过程中会产生动态变化,发现城市活动结构已经成为城市地理学、交通地理学研究的热点问题,对于城市规划与管理、公交线路调配、流量估计等具有重要意义。传统的城市结构发现方法是从计算机技术发展而来的,通常只考虑区域之间的交互,忽视了区域的属性信息,并且在顾及居民出行异质性方面研究不足。本文基于自编码模型,提出一种顾及居民出行异质性探测城市活动结构的表示学习方法,实现静态属性信息与动态出行信息的融合,并引入多元高斯分布模型,旨在完成从节点表示到社区表示的完整过程,实现更为准确的表示结果;借助地理探测器思想,顾及不同社区之间的居民出行异质性特征。试验发现,本文方法能够较为准确地发现城市活动结构以及居民的出行规律,通过与传统方法的比较,证明该方法在居民出行行为的挖掘上具有独特优势,便于从居民出行的角度重新认识城市活动结构。

摘要：智能化环境情报保障需要关联泛在情报、地理空间情报、人工情报等多源多要素情报信息进行综合分析,当前在统一时空框架下难以实现非时空情报信息的关联及挖掘,知识图谱为联合环境情报提供了解决思路。设计了知识图谱的基础架构,探析了环境多模态知识图谱的基本概念及关键技术,以典型场景为例,探讨了基于知识图谱系统的环境信息保障体系,并对知识图谱驱动下的智能化环境信息应用进行了详细描述与分析。