导读:本文包含了复杂空间区域论文开题报告文献综述及选题提纲参考文献，主要关键词:定性空间推理,复杂区域,邻域层次矩阵,层次关系
复杂空间区域论文文献综述
雒海东,宫海彦,耿生玲[1]（2018）在《一种复杂区域层次定性空间推理方法》一文中研究指出定性空间推理在人工智能、地理信息系统、机器人等领域中有着非常重要的研究价值。在复杂区域的邻域连接图的基础上提出一种层次定性空间推理模型与方法。基于复杂区域的邻域连接图定义了一种邻域层次矩阵,可两两互斥并完备地表示复杂区域中n个成分间的连接关系,以此给出一种层次定性空间推理方法和启发式推理算法。利用该方法对机器人与障碍物的层次关系进行模拟,对制定机器人避障方案提供依据。从理论和实践上验证了该方法的有效性。(本文来源于《计算机应用与软件》期刊2018年10期）
陈可[2]（2018）在《基于复杂环境区域的土壤有机质空间预测研究》一文中研究指出土壤有机质(Soil Organic Matter,SOM)是土壤肥力评价的重要指标,是土壤生态系统评价的重要内容。土壤有机质含量的空间分布受气候、母质、生物、地形、时间及人为因素等诸多环境因素的复杂影响,探究环境因子对土壤有机质的影响机制,分析土壤有机质与环境因子间的数学关系,建立土壤有机质空间拟合预测模型对于研究其空间分布特征、科学化田间管理、完善生态系统服务评估体系具有重要意义。为更好地拟合土壤有机质的空间分布,本文从多重环境变量降维角度出发,以经典统计、主成分分析及机器学习算法为工具,选择和提取最佳解释变量,挖掘环境变量信息,建立土壤有机质和解释变量的回归拟合模型,并对不同模型的适应性进行评价;利用地统计对回归拟合残差空间特征进行分析,预测土壤有机质的空间分布,主要结果如下:1.分析土壤有机质与环境变量的相关性及环境变量的信息可压缩性,对环境变量进行降维处理。Pearson’s相关系数分析表明土壤有机质含量与坡度、高程、地表粗糙度、相对高程、剖面曲率、平面曲率以及沉积物运移指数之间存在显着相关关系,逐步回归分析将地表粗糙度、剖面曲率、高程和平面曲率作为解释变量纳入多元线性回归方程中,实现了环境变量的降维。主成分分析对原始环境变量信息进行压缩,将原始的11个环境变量76.0%的信息提取至4个相互无关的主成分中,消除了变量间的多重共线性,实现了环境信息的降维。2.建立多元线性回归模型、主成分回归模型、偏最小二乘回归模型、神经网络模型和支持向量机回归模型等土壤有机质回归拟合模型。机器学习算法的引入可以提高对环境变量信息的挖掘程度,减少相关分析和主成分分析导致的环境信息浪费。对于所建立的拟合模型:(1)从响应时间来看,基于机器学习算法的回归模型响应时间明显长于传统的线性回归模型,其中神经网络的响应时间达到7200s;(2)从拟合度来看,以多元线性回归模型为参考,除主成分回归模型外,其它回归模型的拟合度均有提高;(3)从最小信息量准则来看,神经网络模型和支持向量机模型相较于多元线性回归模型、主成分回归模型和偏最小二乘回归模型有更好的拟合效果。3.回归拟合模型没有考虑土壤有机质的空间自相关性,将回归拟合模型不能解释的残差部分进行空间变异分析,建立普通克里格模型,并与作为趋势项的回归拟合模型相结合对研究区土壤有机质进行空间预测,预测结果显示不同模型的预测结果分布趋势类似。土壤有机质在区域内呈现差异化分布,西南部含量较高,东北部含量较低,分布特征与研究区由东北平原向西南丘陵地带过渡的地形特征相吻合。多元线性回归克里格模型预测结果与纳入模型的环境变量的空间分布规律相似;主成分回归克里格模型在保留图斑数量丰富的情况下对破碎图斑进行了合并;偏最小二乘回归克里格模型预测结果图斑数量进一步减少,且图斑与图斑之间的过渡曲线明显;神经网络克里格模型能够准确预测出土壤有机质低值区的差异性,说明其在平缓地区对地形信息的挖掘优于其它模型;支持向量机克里格模型预测结果高值区和低值区过渡模糊,图斑数量较多,提高了信息丰富程度。(本文来源于《华中农业大学》期刊2018-06-01）
宫海彦[3]（2018）在《复杂区域中定性空间推理及机器人避障研究与应用》一文中研究指出随着计算机科技的发展,许多实际应用领域涉及到大量空间目标对象,空间关系反映空间目标的几何位置及属性之间的关系,它是人工智能、空间数据库、地理信息系统(GIS)、机器人学等领域的重要研究内容。它对空间关系的描述和表达以及空间数据库的空间查询、分析和推理等方面具有重要的影响。拓扑关系是一种重要的空间关系,是当前空间关系研究的热点。在解决实际问题时,很多时候空间信息的数值很难精确获得,并且有时无需对空间关系进行精确的表示,所以可用定性语言描述空间信息。近年来,空间关系的定性表示和推理发展迅速,已被广泛应用于空间数据查询、定性导航、地理信息系统等相关领域。在实际环境中,空间区域往往是复杂的,比如区域中包含洞,或者包含不连通的子部分、分支等,仅仅利用简单区域间的关系已经不足以描述复杂区域内部各组成对象间的空间关系。因此为了更符合实际环境的需求,空间对象间关系的研究也从简单空间对象发展为复杂空间对象。本文针对复杂区域内各对象间的空间关系的定性推理问题,利用层次理论给出复杂区域的连接图表示,提出一种层次定性空间推理模型与方法,并用来分析移动对象的运动模式和运动状态,运用于机器人避障及轨迹预测问题的研究。首先,基于复杂区域的连接图定义一种邻域层次矩阵,可两两互斥并完备地表示复杂区域中n个成分对象间的连接关系,以此给出一种层次定性空间推理方法和启发式推理算法。利用该方法对机器人与障碍物的层次关系进行模拟,从理论和实践上证明所给方法的有效性,为制定机器人避障方案提供依据。(本文来源于《青海师范大学》期刊2018-03-01）
赵平伟,鲁镁,彭贵芬,罗睿[4]（2014）在《复杂地形区域平均气温空间插值方法研究》一文中研究指出采用反距离权重、克立格、径向基函数法、叁维二次趋势面和地理加权回归5种方法,对云南125个站1月、4月、7月、10月和年的30年平均气温进行空间插值并比较分析发现:反距离权重、克立格、径向基函数法3种常规插值方法对地形复杂的云南气温空间分布模拟精度不高;叁维二次趋势面和地理加权回归模型对云南气温空间分布模拟较好,交叉检验结果显示前者的平均绝对误差(MAE)为0.43~1.02℃,均方根误差(RMSE)为0.67~1.77℃,其推算的云南气温栅格数据能较好地反映出云南各地气温的分布和差异;GWR模型对气温的交叉验证在5种插值方法中误差最小,插值结果 MAE在0.65℃以下,RMSE在0.8℃以下;进而使用"地理加权回归模型插值+反距离权重残差内插"迭加法对抽取的10个检验站平均气温进行插值检验,64%的插值结果绝对误差在0.5℃以内,74%的插值结果相对误差在5%以内,且实测值与插值估算值回归关系决定系数R2在0.9以上。(本文来源于《气象科技》期刊2014年06期）
李天顺,李修和,冉金和[5]（2013）在《复杂电磁环境下雷达探测区域空间建模及仿真》一文中研究指出针对复杂电磁环境干扰下的雷达探测区域进行分析,通过目标、雷达和干扰机空间位置关系,对雷达干扰公式进行推导,建立了干扰条件下雷达探测区域叁维空间模型,并对模型进行仿真,直观地显示了干扰条件下雷达在空间各个方向的探测范围,可为实施雷达干扰提供决策依据。(本文来源于《指挥控制与仿真》期刊2013年02期）
王磊[6]（2008）在《空间复杂区域间拓扑关系研究》一文中研究指出随着科技的发展,很多应用领域涉及到大量空间数据,空间数据库成为一个热门话题。空间关系是空间数据库和GIS领域的重要研究内容。拓扑关系作为最基本的空间关系,是其中的研究重点。RCC模型和9-交模型是两个重要的拓扑关系模型。文章在已有拓扑关系模型的基础上,研究了二维空间区域之间的拓扑关系,重点分析了复杂区域的情形,主要包括以下几个方面:1.比较了蛋黄模型和扩展9-交模型的异同,分析了蛋黄模型46种拓扑关系和扩展9-交模型的44个拓扑关系之间的对应关系和相关性质。2.基于扩展9-交模型的复杂不确定区域间拓扑关系的推导;原始的扩展9-交模型中的不确定区域只考虑简单不确定区域的情况,本文研究内部带有空洞的复杂不确定区域间的拓扑关系,共计找到76种不同的9-交矩阵。针对其中出现的矩阵相同但拓扑关系并不相同的情况,文章采用两种方法继续讨论了对扩展9-交模型进行扩展:一种是扩充矩阵的维数;一种是基于RCC模型扩充。3.讨论了9-交模型存在一些缺陷以及基于Voronoi图的思想进行的改进。在V9-交模型的基础上,重点讨论了内部带有空洞的复杂区域间的拓扑关系。找到两组特殊的V9-交矩阵,9-交模型对其无法区分。利用Voronoi图的思想,对扩展9-交模型也进行了扩展。4.基于空间对象的k-阶Voronoi邻域的概念,提出一种带有k-阶宽边界的模糊区域模型。根据部分关系算子,给出基于k-阶Voronoi邻域的模糊区域和确定区域之间的拓扑关系的形式化定义,最终得到确实存在11种拓扑关系。对基于k-阶Voronoi邻域的空间区域间拓扑关系模型进行了简单拓展。(本文来源于《南京航空航天大学》期刊2008-12-01）
王建国,华继钊,杨静宇[7]（2007）在《基于新颜色空间YCgCr的复杂背景图像下的肤色区域检测》一文中研究指出肤色信息在基于彩色图像的手势识别、人脸检测与跟踪和基于内容的不良图像过滤等应用中,起着非常重要的作用。为了有效地检测图像中的肤色区域,采用了类似于YCbCr颜色空间的新颜色空间YCgCr。为了说明YCgCr颜色空间的优越性,给出了该颜色空间与YCbCr颜色空间和Karhunen-Loeve(K-L)变换颜色空间中多样实验操作的比较。实验结果表明,用同样肤色样本得到的肤色阈值对相同的测试图像集进行肤色检测时,YCgCr颜色空间具有很好的肤色区域检测效果,漏检率和误检率均低于其它两个颜色空间的漏检率和误检率,并且对于不同的光照条件有较好的鲁棒性。(本文来源于《计算机科学》期刊2007年08期）
复杂空间区域论文开题报告
（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：
土壤有机质(Soil Organic Matter,SOM)是土壤肥力评价的重要指标,是土壤生态系统评价的重要内容。土壤有机质含量的空间分布受气候、母质、生物、地形、时间及人为因素等诸多环境因素的复杂影响,探究环境因子对土壤有机质的影响机制,分析土壤有机质与环境因子间的数学关系,建立土壤有机质空间拟合预测模型对于研究其空间分布特征、科学化田间管理、完善生态系统服务评估体系具有重要意义。为更好地拟合土壤有机质的空间分布,本文从多重环境变量降维角度出发,以经典统计、主成分分析及机器学习算法为工具,选择和提取最佳解释变量,挖掘环境变量信息,建立土壤有机质和解释变量的回归拟合模型,并对不同模型的适应性进行评价;利用地统计对回归拟合残差空间特征进行分析,预测土壤有机质的空间分布,主要结果如下:1.分析土壤有机质与环境变量的相关性及环境变量的信息可压缩性,对环境变量进行降维处理。Pearson’s相关系数分析表明土壤有机质含量与坡度、高程、地表粗糙度、相对高程、剖面曲率、平面曲率以及沉积物运移指数之间存在显着相关关系,逐步回归分析将地表粗糙度、剖面曲率、高程和平面曲率作为解释变量纳入多元线性回归方程中,实现了环境变量的降维。主成分分析对原始环境变量信息进行压缩,将原始的11个环境变量76.0%的信息提取至4个相互无关的主成分中,消除了变量间的多重共线性,实现了环境信息的降维。2.建立多元线性回归模型、主成分回归模型、偏最小二乘回归模型、神经网络模型和支持向量机回归模型等土壤有机质回归拟合模型。机器学习算法的引入可以提高对环境变量信息的挖掘程度,减少相关分析和主成分分析导致的环境信息浪费。对于所建立的拟合模型:(1)从响应时间来看,基于机器学习算法的回归模型响应时间明显长于传统的线性回归模型,其中神经网络的响应时间达到7200s;(2)从拟合度来看,以多元线性回归模型为参考,除主成分回归模型外,其它回归模型的拟合度均有提高;(3)从最小信息量准则来看,神经网络模型和支持向量机模型相较于多元线性回归模型、主成分回归模型和偏最小二乘回归模型有更好的拟合效果。3.回归拟合模型没有考虑土壤有机质的空间自相关性,将回归拟合模型不能解释的残差部分进行空间变异分析,建立普通克里格模型,并与作为趋势项的回归拟合模型相结合对研究区土壤有机质进行空间预测,预测结果显示不同模型的预测结果分布趋势类似。土壤有机质在区域内呈现差异化分布,西南部含量较高,东北部含量较低,分布特征与研究区由东北平原向西南丘陵地带过渡的地形特征相吻合。多元线性回归克里格模型预测结果与纳入模型的环境变量的空间分布规律相似;主成分回归克里格模型在保留图斑数量丰富的情况下对破碎图斑进行了合并;偏最小二乘回归克里格模型预测结果图斑数量进一步减少,且图斑与图斑之间的过渡曲线明显;神经网络克里格模型能够准确预测出土壤有机质低值区的差异性,说明其在平缓地区对地形信息的挖掘优于其它模型;支持向量机克里格模型预测结果高值区和低值区过渡模糊,图斑数量较多,提高了信息丰富程度。
（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。
复杂空间区域论文参考文献
[1].雒海东,宫海彦,耿生玲.一种复杂区域层次定性空间推理方法[J].计算机应用与软件.2018
[2].陈可.基于复杂环境区域的土壤有机质空间预测研究[D].华中农业大学.2018
[3].宫海彦.复杂区域中定性空间推理及机器人避障研究与应用[D].青海师范大学.2018
[4].赵平伟,鲁镁,彭贵芬,罗睿.复杂地形区域平均气温空间插值方法研究[J].气象科技.2014
[5].李天顺,李修和,冉金和.复杂电磁环境下雷达探测区域空间建模及仿真[J].指挥控制与仿真.2013
[6].王磊.空间复杂区域间拓扑关系研究[D].南京航空航天大学.2008
[7].王建国,华继钊,杨静宇.基于新颜色空间YCgCr的复杂背景图像下的肤色区域检测[J].计算机科学.2007