深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

绿色物流视角下生活垃圾回收处理研究文献综述

近些年来,我国众多城市都出现了"垃圾围城"的现象,垃圾回收处理也成为了社会广泛关注的热点,但是众多学者对相关理论的研究成果并没有被系统性的总结。文章将在绿色物流视角下,对生活垃圾回收处理的相关研究进行全面梳理,从居民垃圾分类意识、垃圾回收处理服务网络构建、垃圾回收站点及中转站的选址等三个方面进行综述,最后进行述评和研究展望。     

军事遗产旅游资源分类与价值评估

军事遗产是重要的历史资源,尤其在历史教育、知识输出、国情教育等方面具有重要价值,因而可被视为独特的旅游资源。本文在国内外军事遗产研究综述的基础上,提出军事遗产的分类方法,共计2个大类、7个亚类、28个子类。在梳理国内外研究的基础上结合专家评价,提出军事遗产的旅游价值评估指标体系,包含要素价值、存续特征2个一级指标及游憩价值、历史价值、审美价值、社会价值、独特程度、规模程度、知名度、完整性、适游性、承载力和安全性11个二级指标,并进一步划分为可观赏性等23个三级指标。采用基于专家打分的层次分析法对指标权重赋值,形成军事遗产旅游价值评价的方法体系,并构建军事遗产旅游价值评价对比关系图,以指导资源群中的单体开发梯次。     

Machine learning for financial transaction classification across companies using character-level word embeddings of text fields

An important initial step in accounting is mapping financial transfers to the corresponding accounts. We devised machine-learning-based systems that automate this process. They use word embeddings with character-level features to process transaction texts. When considering 473 companies independently, our approach achieved an average top-1 accuracy of 80.50%, outperforming baselines that exclude the transaction texts or rely on a lexical bag-of-words text representation. We extended the approach to generalizes across companies and even across different corporate sectors. After standardization of the account structures and careful feature engineering, a single classifier trained on 44 companies from 28 sectors achieved a test accuracy of more than 80%. When trained on 43 companies and tested on the remaining one, the system achieved an average performance of 64.62%. This rate increased to nearly 70% when considering only the largest sector.     

中国旅游景区功能演变与用地分类构想

研究目的:基于中国旅游景区功能演变、用地特征及问题分析,构建旅游景区用地分类体系,以期为旅游景区用地纳入区域土地利用提供理论基础,为旅游景区规划的深度编制提供实践依据。研究方法:通过调研和问卷厘清现状景区用地情况,对比借鉴相关用地分类体系,基于此构建旅游景区用地分类方案。研究结果:分析并阐明了旅游景区的功能演变、用地特征和现状问题,构建了2大类、9中类、28小类的景区用地分类体系,并与《土地利用现状分类》进行衔接。研究结论:建立可衔接且具可操作性的旅游景区用地分类体系,是实现旅游景区健康可持续发展与用地规范化管控的关键。     

Social media bots and stock markets

This study examines the link between information spread by social media bots and stock trading. Based on a large sample of tweets mentioning 55 companies in the FTSE 100 composites, we find significant relations between bot tweets and stock returns, volatility, and trading volume at both daily and intraday levels. These results are also confirmed by an event study of stock response following abnormal increases in the volume of tweets. The findings are robust to various specifications, including controlling for traditional news channel, alternative measures of volatility, information flows in pretrading hours, and different measures of sentiment.     

国有企业高管薪酬管制与委托代理问题

由于国企高管的经营业绩难以被准确度量，加上监督约束机制不健全，高管的超额薪酬成为国企代理问题的一种典型表现，于是政府将高管薪酬管制作为应急措施来降低代理成本，缓解国企代理问题。采用双重差分法对2011—2018年A股上市公司的分析表明：第二次限薪令在有效限制国企高管薪酬水平的同时，没有对高管在职消费产生显著影响，有效降低了国企代理成本；但第二次限薪令也降低了薪酬激励效应，导致国企高管努力程度降低，由此造成的利益损失又成为新的代理成本。国企薪酬制度改革面临激励与管制的两难选择，应在国企分类改革的基础上对不同类型国企的高管采取不同的激励机制：对公益类及特殊行业的国企增强高管政治晋升激励，对竞争行业（营利性）国企则应在推向市场的同时放松薪酬管制，从而有效降低代理成本，解决国企代理问题。     

基于星载极化SAR数据的农作物分类识别进展评述

［目的］农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障，还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响，在农作物遥感监测方面具有巨大的应用潜力，有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。［方法］以星载极化SAR技术的发展过程为论述主线，从单、双极化SAR数据，单、双极化SAR数据结合光学影像，全极化SAR数据三个发展阶段，对极化SAR数据在农作物分类识别中的研究与应用进行总结，并对比分析不同的识别特征、融合算法以及分类算法的优缺点。［结果］以往研究存在以下不足：当前研究多以识别水稻为主，对于难以识别的旱地作物研究较少；目前对旱地作物识别精度不高，平均识别精度不足85%；缺乏对不同作物散射机制及其随时相变化的研究，导致分类算法机理性不足，普适性较差。［结论］在今后的研究中，旱地作物散射机制的定量确定，如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性；目前分类算法大都是基于光学影像设计，如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法，得到更高的分类精度；如何更好的跟光学遥感等多源数据（光学数据、GIS数据等）结合来提高精度，将成为未来极化SAR农作物识别中三个亟需重点解决的问题。     

关于改进个人银行账户分类管理问题的分析

随着互联网和移动通讯技术的发展,支付领域风险范围、扩散速度、溢出效应程几何级数增长。为有效防范网络新型违法犯罪,保护人民群众财产安全和合法权益,中国人民银行相继发布了多项制度条例,全面推进个人账户分类管理。本文结合对商业银行账户分类管理专项调查结果,分析分类管理中存在的问题及原因,在此基础上,提出进一步改进个人银行账户分类管理的措施和建议。     

基于深度学习的跳频信号识别

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为-15 dB，比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。