【摘 要】
：
对城市公路生态景观绿化配置的优化,能够有效改善高密度城市空气质量,提高人们出行健康指数。对公路生态景观的绿化配置,需要建立高密度城市公路生态景观要素评价矩阵,并其特征向量进行计算,完成对景观的绿化配置的优化。传统方法对景观结构要素进行分析,构建景观要素矩阵,但忽略了对要素矩阵特征向量的计算,导致对景观配置的优化效果不理想。提出基于层次分析法的高密度城市公路生态景观绿化配置分析方法,首先对景观要素特
论文部分内容阅读
对城市公路生态景观绿化配置的优化,能够有效改善高密度城市空气质量,提高人们出行健康指数。对公路生态景观的绿化配置,需要建立高密度城市公路生态景观要素评价矩阵,并其特征向量进行计算,完成对景观的绿化配置的优化。传统方法对景观结构要素进行分析,构建景观要素矩阵,但忽略了对要素矩阵特征向量的计算,导致对景观配置的优化效果不理想。提出基于层次分析法的高密度城市公路生态景观绿化配置分析方法,首先对景观要素特征值进行分析,对影响生态景观绿化配置质量的指数进行计算,保证分析结果的准确性,建立高密度城市公路生态景观
其他文献
1．《招标投标法实施条例》第57条第二款规定：招标人最迟应当在书面合同签订后5日内向中标人和未中标的投标人退还投标保证金及银行同期存款利息。
我国实行建设工程项目招投标制度已经有多年，并取得了较大的发展与进步，尤其从我国推广实施《招标投标法》以后，各地也相应地制定了招投标法规和实施细则，使管理工作取得了稳步、
简单介绍了一个伺服控制系统控制对象的传递函数。结合不同控制器的特点得到更为复杂的结构，以此设计出了一种多模态II型混合模糊控制器。根据不同控制器各自独有的优良性能结
针对目前强干扰噪声下网络入侵信号提纯方法精度低、漏检率高的现象,提出基于检测阈值的强噪声干扰下大规模网络入侵信号提纯方法。将自适应噪声抵消体系划分主通道、参考通道、两个传感器,主通道接收从一路传感器传来的有用信号与干扰噪声信号形成的混合信号。采用参考通道对另一路传感器传输来的噪声进行检测。基于滤波器利用减法器实现主通道噪声分量最大程度抵消,输出可利用信号。将该信号代入网络入侵信号提纯中,依据经验模
针对ORB算法在图像匹配中基本不具备尺度不变性和匹配准确率低的问题,利用SURF算法和BBF算法的思想,提出了改进的ORB算法。通过SURF算法提取出具有尺度不变性的特征点,接着使用ORB算子对特征点进行描述,从而使改进后的ORB算法具备尺度不变性;采用BBF算法寻找特征点的最近邻点及次近邻点,进行匹配得到初匹配点对;利用RANSAC算法消除误匹配点,完成图像匹配。实验结果表明,算法弥补了ORB算
网络数据传感器节能优化能够提高无线传感器网络内各节点的能量均衡程度,增加节点能量利用率,延长网络生命周期。现有数据传感器节能优化方法在节点分簇、簇头选取,以及路由选择等方面存在明显缺陷,使得能量均衡效果不佳,为此,提出了基于动态簇头竞争机制的网络数据传感器节能优化方法。方法执行过程分为节点分簇与数据融合两个阶段,第一阶段充分考虑影响能量均衡的多种因素,引入竞争时间竞选得到簇头,并根据距离将簇头以外
针对雷达发射机阵列在具体实现过程中由于阵元位置的抖动等干扰因素带来的阵列流型失配严重降低了方向图性能的问题,提出了一种粒子群-凸优化的抗阵列流型失配的稳健栅瓣抑制算法。上述方法以降低峰值旁瓣电平为目标函数,将粒子群算法作为全局优化算法用来优化阵元位置,凸优化算法作为局部优化算法用来优化阵元权值,引入阵列流型误差,重构稳健的凸优化模型,在优化稳健阵元权值系数的基础上,进一步优化稳健的阵列布局。仿真结
由于非连续威胁数据的非连续性,其属性及特征未能及时获取,使得威胁数据特征不全面。传统的检测方法,主要通过采集非连续威胁数据的特征进行检测,忽略了非连续性带来的不全面性,对检测结果的影响,导致相关数据检测成功率低,虚警率和漏警率均较高的问题。提出基于朴素贝叶斯分类的检测方法,在云平台下,采用层次结构构建非连续威胁数据的PSO辨识树;PSO辨识树中的每层代表对应等级的非连续威胁数据特征集,计算辨识树每
针对目前缺乏有效的试验手段和试验方法来评价多要素约束下飞行器的适应性评估问题,利用建模仿真的方法设计实现了飞行器飞行任务适应性评估系统,介绍了整个系统架构组成,利用该系统可综合航迹、控制、气动、结构、防隔热等多个要素,根据飞行器飞行流程及技术约束,建立多要素的适应性准则,围绕特定的规划航迹,基于实际的飞行器系统模型,考虑多种偏差因素,进行飞行全过程多要素数字仿真,评估特定飞行任务的可行性,可以为飞
针对机器人姿态路径目标航迹仿真中一些传统机器学习方法不能进行连续行为学习的问题,通过模拟人类心理认知机理与脑部神经运动现象,提出了一种基于小脑-基底核-大脑皮层回路的认知发育算法,解决机器学习中不能连续学习的问题。上述算法以学习自动机为框架,以生物感觉运动系统为理论基础,使小脑通过监督学习方式实现机器人状态到行为的映射;然后通过基于内在动机原理的概率选择评价模块对基底神经节动作进行选择;最后将大脑