【摘 要】
：
对比分析了2008年和2018年长春市犯罪空间格局的变化特征，进而构建了贝叶斯时空分析模型，整合了犯罪时空格局演化中的固定效应、空间随机效应和时间随机效应，基于R环境中的INLA程序包对模型的各个参数进行了拟合，结合GIS制图，识别出异于总体趋势的犯罪相对风险高值区，并进一步解析了犯罪格局形成和演化的过程和规律。研究发现，犯罪总量在10 a间显著下降，犯罪数量较高的警区数量明显减少。长春市周边地区
论文部分内容阅读
对比分析了2008年和2018年长春市犯罪空间格局的变化特征，进而构建了贝叶斯时空分析模型，整合了犯罪时空格局演化中的固定效应、空间随机效应和时间随机效应，基于R环境中的INLA程序包对模型的各个参数进行了拟合，结合GIS制图，识别出异于总体趋势的犯罪相对风险高值区，并进一步解析了犯罪格局形成和演化的过程和规律。研究发现，犯罪总量在10 a间显著下降，犯罪数量较高的警区数量明显减少。长春市周边地区犯罪率有所提高，而城市中心区域的多数警区则明显下降。贝叶斯时空模型表明，虽然城市犯罪相对风险的平均水平较
其他文献
云和气溶胶对全球气候和大气环境具有重要影响,对其高时空分辨率的三维观测一直是热点和难点问题.星载激光雷达是全球云和气溶胶垂直探测的有效手段,目前已经成功发射云-气溶胶正交偏振激光雷达(CALIOP)和地球科学激光测高系统等Mie散射星载激光雷达,并且得到了广泛的应用.但是, Mie散射星载激光雷达存在病态反演问题,引入了很大的不确定性.目前正在研制和计划发射中的中国星载气溶胶和云高光谱分辨率激光雷
当前的事件检测模型严重依赖于人工标注数据，在标注数据规模有限的情况下，事件检测任务基于完全监督方法的深度学习模型经常会出现过拟合的问题。基于弱监督学习的使用自动标注数据代替耗时的人工标注数据的方法又常常依赖于复杂的预定义规则。为了解决上述问题，就中文事件检测任务提出了一种基于BERT（Bidirectional Encoder Representations from Transformers）的
工业互联网需要实现IT (information technology)和OT (operation technology)的融合,现场级工业网络的构建是真正实现从OT到IT产线数据无缝接入、从IT到OT实现产线智能运维的关键.对于OT来说,工业系统中的数据具有高度的时间敏感特性,感知数据和控制指令在时间上的确定性传输是实现工业系统可靠稳定运行的基础.然而工业现场仍面临感知数据异构、协议不兼容、传
开展新污染物环境监测是掌握新污染物的环境暴露水平、治理新污染物的重要手段。发达国家和地区已在化学物质环境管理和地表水环境质量评估框架下,建立了新污染物调查与监测制度,并运用靶向非靶向筛查及监测技术,对环境内分泌干扰物(EDCs)、持久性有机污染物(POPs)、微塑料、环境持久性药物等新污染物开展了监测与评估,构建了监测数据平台,有力推动了新污染物的环境与健康风险防控。我国目前的新污染物监测主要在科
基于多时相影像的耕地提取和变化分析是有效管理和保护耕地资源的重要手段。然而就多时相耕地的分类提取而言，现有方法对于多时相影像中地物的时空特征表达和时空上下文关系建模存在着局限性，导致耕地的提取精度不佳；其次，对于耕地的变化分析，现有方法往往只关注基于行政单元的耕地面积统计变化，而对耕地变化在空间上的相关性分布特点考虑较少。因此，本文首先提出了一种时空上下文分类方法，综合表达和利用多时相影像中地物的
针对语义分割领域中多尺度共享网络方法训练复杂度高，以及尺度注意力图在小、长条状目标与目标边缘处拟合效果不佳等问题，本文提出面向语义分割模型的外接多尺度投票网络。首先提出直接投票融合各尺度分割结果，降低训练复杂度。为改善尺度注意力图的拟合效果，在投票网络中，提出多类别投票方法，扩大投票空间、再融入混合池化，聚合近程与远程权值、接着提出类内、类间投票注意力，获取权值、类间关系、最后采用不规则卷积辅助目
针对国土综合整治时空格局优化的多目标量化问题,以空间脆弱性和时间迫切性为切入点，构建以目标功能为主线的乡村社会-生态系统脆弱性和迫切性评价指标体系，采用改进熵权DEA模型开展脆弱性效率评价和改进熵权多因素综合模型进行迫切性评价；在此基础上，采用层次目标分解法和主导问题归因法构建“业态兴旺、形态优化、生态宜居和综合复兴”4种国土综合整治多目标格局优化方案，采用改进熵权TOPSIS分析法开展多目标最优
我国土壤环境污染形势严峻，在生物有效性(bioavailability)的测试评估和预测模型等方面的研究相对较少，导致不能精确的评估污染土壤的生态风险。作为生物有效性的重要反映指标，对土壤中镉(Cd)、砷(As)、铜(Cu)、锌(Zn)和铅(Pb)的生物可利用性(bioaccessibility)进行研究。筛选了已发表论文中生物可利用性与所对应的土壤性质的数据，并分析了它们之间的潜在关系，总结了现
情感原因对抽取是情感分析任务中的子任务，旨在抽取出给定文档中的所有情感子句以及引起该情感所对应的原因子句。先前的工作存在着的不足：在生成情感子句与原因子句表示时忽略了情感子句与原因子句之间的相互联系。为了解决上述的不足，基于图依存分析的思想并融入了图注意力机制，提出了GAT-ECPE模型。该模型在获取到情感子句表示与原因子句表示时，将句向量作为节点输入图注意力层从而学习到子句之间关系的信息，而后进
在深度学习技术的发展驱动下，智慧应用场景对文本识别任务提出了更高的要求。现有方法更加侧重构建强大的视觉特征提取网络，忽略了文本序列特征的提取能力。针对该问题，提出了一种基于层次自注意力的场景文本识别网络。通过融合卷积和自注意力可以建立并增强文本序列信息与视觉感知信息间的联系。由于视觉特征和序列特征在全局空间中的充分交互，有效地减小了复杂背景噪声对识别精度的影响，实现了对规则和不规则场景文本的鲁棒性