【目的】通过分析城市兴趣点(point of interest,POI)数据,实现场地相关区域城市特征的挖掘,借助黏菌智能体模型接入区域城市特征数据,生成城市公园场地空间结构,为当下城市公园场地设计提供一种复杂系统自组织机制的空间分析方法与设...【目的】通过分析城市兴趣点(point of interest,POI)数据,实现场地相关区域城市特征的挖掘,借助黏菌智能体模型接入区域城市特征数据,生成城市公园场地空间结构,为当下城市公园场地设计提供一种复杂系统自组织机制的空间分析方法与设计新思路。【方法】采用基于POI数据映射的黏菌智能体空间网络分析设计方法,通过多智能体模型空间信息模拟,探索城市空间功能渗透下城市公园的系统性空间功能关联,从而引导规划场地的结构生形。【结果】基于POI数据映射的黏菌智能体空间网络分析设计方法在中小场地景观设计中具备较高的可行性。多智能体模型对黏菌生长行为的模拟能够有效反映与场地结构关联的城市信息在场地空间中的渗透结果,形成带有自组织路径肌理的场地空间功能分区。【结论】多智能体模型分析借助空间算法,能有效载入场地及其关联系统空间的设计信息,通过智能体粒子模拟群体行为来形成空间关系映射,可为景观设计带来新的思考范式。展开更多
For imbalanced datasets, the focus of classification is to identify samples of the minority class. The performance of current data mining algorithms is not good enough for processing imbalanced datasets. The synthetic...For imbalanced datasets, the focus of classification is to identify samples of the minority class. The performance of current data mining algorithms is not good enough for processing imbalanced datasets. The synthetic minority over-sampling technique(SMOTE) is specifically designed for learning from imbalanced datasets, generating synthetic minority class examples by interpolating between minority class examples nearby. However, the SMOTE encounters the overgeneralization problem. The densitybased spatial clustering of applications with noise(DBSCAN) is not rigorous when dealing with the samples near the borderline.We optimize the DBSCAN algorithm for this problem to make clustering more reasonable. This paper integrates the optimized DBSCAN and SMOTE, and proposes a density-based synthetic minority over-sampling technique(DSMOTE). First, the optimized DBSCAN is used to divide the samples of the minority class into three groups, including core samples, borderline samples and noise samples, and then the noise samples of minority class is removed to synthesize more effective samples. In order to make full use of the information of core samples and borderline samples,different strategies are used to over-sample core samples and borderline samples. Experiments show that DSMOTE can achieve better results compared with SMOTE and Borderline-SMOTE in terms of precision, recall and F-value.展开更多
针对点云数据中噪声点的剔除问题,提出了一种基于改进DBSCAN(density-based spatial clustering of applications with noise)算法的多尺度点云去噪方法。应用统计滤波对孤立离群点进行预筛选,去除点云中的大尺度噪声;对DBSCAN算法进行...针对点云数据中噪声点的剔除问题,提出了一种基于改进DBSCAN(density-based spatial clustering of applications with noise)算法的多尺度点云去噪方法。应用统计滤波对孤立离群点进行预筛选,去除点云中的大尺度噪声;对DBSCAN算法进行优化,减少算法时间复杂度和实现参数的自适应调整,以此将点云分为正常簇、疑似簇及异常簇,并立即去除异常簇;利用距离共识评估法对疑似簇进行精细判定,通过计算疑似点与其最近的正常点拟合表面之间的距离,判定其是否为异常,有效保持了数据的关键特征和模型敏感度。利用该方法对两个船体分段点云进行去噪,并与其他去噪算法进行对比,结果表明,该方法在去噪效率和特征保持方面具有优势,精确地保留了点云数据的几何特性。展开更多
本文利用卫星监测的数据构造夜间灯光复合指数表征城镇化水平,运用Superefficiency Ray Slacks-Based Measure(Super-RSBM)模型和Global Malmquist-Luenberger(GML)指数测算2000—2021年我国农业低碳全要素生产率(TFP),实证检验城镇化...本文利用卫星监测的数据构造夜间灯光复合指数表征城镇化水平,运用Superefficiency Ray Slacks-Based Measure(Super-RSBM)模型和Global Malmquist-Luenberger(GML)指数测算2000—2021年我国农业低碳全要素生产率(TFP),实证检验城镇化对我国农业低碳TFP的影响及其作用机制,并考察紧凑集约型和规模扩张型两种城镇化推进模式对农业低碳TFP的异质性影响。研究发现,从全国来看,城镇化推进与农业低碳TFP之间具有显著的U型关系,且邻近地区农业低碳TFP的提升对本地区产生示范效应;分区域来看,这种U型关系主要体现在农业适度发展区,而农业优化发展区的城镇化与农业低碳TFP之间呈现显著的正向线性关系,表明农业优化发展区应发挥“领头羊”作用,带动适度发展区早日跨越U型曲线的拐点,实现城镇化带动农业绿色发展;紧凑集约型的城镇化深度推进模式能够显著提升农业低碳TFP,而规模扩张型的城镇化广度推进模式降低了农业低碳TFP;农业低碳技术进步、农村劳动力转移、规模效应、农业产业链延伸和农村居民可支配收入增加是城镇化影响农业低碳TFP的主要途径。展开更多
为了解决空间数据流中任意形状簇的聚类问题,提出了一种基于密度的空间数据流在线聚类算法(On-line density-based clustering algorithm for spatial data stream,OLDStream),该算法在先前聚类结果上聚类增量空间数据,仅对新增空间点...为了解决空间数据流中任意形状簇的聚类问题,提出了一种基于密度的空间数据流在线聚类算法(On-line density-based clustering algorithm for spatial data stream,OLDStream),该算法在先前聚类结果上聚类增量空间数据,仅对新增空间点及其满足核心点条件的邻域数据做局部聚类更新,降低聚类更新的时间复杂度,实现对空间数据流的在线聚类.OLDStream算法具有快速处理大规模空间数据流、实时获取全局任意形状的聚类簇结果、对数据流的输入顺序不敏感、并能发现孤立点数据等优势.在真实数据和合成数据上的综合实验验证了算法的聚类效果、高效率性和较高的可伸缩性,同时实验结果的统计分析显示仅有4%的空间点消耗最坏运行时间,对每个空间点的平均聚类时间约为0.033ms.展开更多
文摘【目的】通过分析城市兴趣点(point of interest,POI)数据,实现场地相关区域城市特征的挖掘,借助黏菌智能体模型接入区域城市特征数据,生成城市公园场地空间结构,为当下城市公园场地设计提供一种复杂系统自组织机制的空间分析方法与设计新思路。【方法】采用基于POI数据映射的黏菌智能体空间网络分析设计方法,通过多智能体模型空间信息模拟,探索城市空间功能渗透下城市公园的系统性空间功能关联,从而引导规划场地的结构生形。【结果】基于POI数据映射的黏菌智能体空间网络分析设计方法在中小场地景观设计中具备较高的可行性。多智能体模型对黏菌生长行为的模拟能够有效反映与场地结构关联的城市信息在场地空间中的渗透结果,形成带有自组织路径肌理的场地空间功能分区。【结论】多智能体模型分析借助空间算法,能有效载入场地及其关联系统空间的设计信息,通过智能体粒子模拟群体行为来形成空间关系映射,可为景观设计带来新的思考范式。
基金supported by the National Key Research and Development Program of China(2018YFB1003700)the Scientific and Technological Support Project(Society)of Jiangsu Province(BE2016776)+2 种基金the“333” project of Jiangsu Province(BRA2017228 BRA2017401)the Talent Project in Six Fields of Jiangsu Province(2015-JNHB-012)
文摘For imbalanced datasets, the focus of classification is to identify samples of the minority class. The performance of current data mining algorithms is not good enough for processing imbalanced datasets. The synthetic minority over-sampling technique(SMOTE) is specifically designed for learning from imbalanced datasets, generating synthetic minority class examples by interpolating between minority class examples nearby. However, the SMOTE encounters the overgeneralization problem. The densitybased spatial clustering of applications with noise(DBSCAN) is not rigorous when dealing with the samples near the borderline.We optimize the DBSCAN algorithm for this problem to make clustering more reasonable. This paper integrates the optimized DBSCAN and SMOTE, and proposes a density-based synthetic minority over-sampling technique(DSMOTE). First, the optimized DBSCAN is used to divide the samples of the minority class into three groups, including core samples, borderline samples and noise samples, and then the noise samples of minority class is removed to synthesize more effective samples. In order to make full use of the information of core samples and borderline samples,different strategies are used to over-sample core samples and borderline samples. Experiments show that DSMOTE can achieve better results compared with SMOTE and Borderline-SMOTE in terms of precision, recall and F-value.
文摘针对点云数据中噪声点的剔除问题,提出了一种基于改进DBSCAN(density-based spatial clustering of applications with noise)算法的多尺度点云去噪方法。应用统计滤波对孤立离群点进行预筛选,去除点云中的大尺度噪声;对DBSCAN算法进行优化,减少算法时间复杂度和实现参数的自适应调整,以此将点云分为正常簇、疑似簇及异常簇,并立即去除异常簇;利用距离共识评估法对疑似簇进行精细判定,通过计算疑似点与其最近的正常点拟合表面之间的距离,判定其是否为异常,有效保持了数据的关键特征和模型敏感度。利用该方法对两个船体分段点云进行去噪,并与其他去噪算法进行对比,结果表明,该方法在去噪效率和特征保持方面具有优势,精确地保留了点云数据的几何特性。
文摘本文利用卫星监测的数据构造夜间灯光复合指数表征城镇化水平,运用Superefficiency Ray Slacks-Based Measure(Super-RSBM)模型和Global Malmquist-Luenberger(GML)指数测算2000—2021年我国农业低碳全要素生产率(TFP),实证检验城镇化对我国农业低碳TFP的影响及其作用机制,并考察紧凑集约型和规模扩张型两种城镇化推进模式对农业低碳TFP的异质性影响。研究发现,从全国来看,城镇化推进与农业低碳TFP之间具有显著的U型关系,且邻近地区农业低碳TFP的提升对本地区产生示范效应;分区域来看,这种U型关系主要体现在农业适度发展区,而农业优化发展区的城镇化与农业低碳TFP之间呈现显著的正向线性关系,表明农业优化发展区应发挥“领头羊”作用,带动适度发展区早日跨越U型曲线的拐点,实现城镇化带动农业绿色发展;紧凑集约型的城镇化深度推进模式能够显著提升农业低碳TFP,而规模扩张型的城镇化广度推进模式降低了农业低碳TFP;农业低碳技术进步、农村劳动力转移、规模效应、农业产业链延伸和农村居民可支配收入增加是城镇化影响农业低碳TFP的主要途径。
文摘为了解决空间数据流中任意形状簇的聚类问题,提出了一种基于密度的空间数据流在线聚类算法(On-line density-based clustering algorithm for spatial data stream,OLDStream),该算法在先前聚类结果上聚类增量空间数据,仅对新增空间点及其满足核心点条件的邻域数据做局部聚类更新,降低聚类更新的时间复杂度,实现对空间数据流的在线聚类.OLDStream算法具有快速处理大规模空间数据流、实时获取全局任意形状的聚类簇结果、对数据流的输入顺序不敏感、并能发现孤立点数据等优势.在真实数据和合成数据上的综合实验验证了算法的聚类效果、高效率性和较高的可伸缩性,同时实验结果的统计分析显示仅有4%的空间点消耗最坏运行时间,对每个空间点的平均聚类时间约为0.033ms.
