数据竞争是典型的多线程程序并发缺陷。由于多线程程序中存在不确定性的交织,数据竞争很难被检测出来。该文以多线程数据竞争的5个相关属性作为特征,构建了多线程程序数据竞争随机森林指令级检测模型。首先基于happens-before关系与lockset算法指令级检测数据竞争,同时用汇编源码信息来剔除隐形同步对,然后利用happens-before关系与lockset算法的分析结果训练多线程程序数据竞争随机森林检测模型。在Pin上实现了多线程程序数据竞争检测工具AIRaceTest。利用GitHub中多线程程序的插桩结果作为样本集来训练随机森林模型,模型精度可达92.1%。对Google data-race-test、Parsec基准程序3.1中的经典多线程程序的检测结果表明:AIRaceTest与Eraser、Djit+以及Thread Sanitizer这3种目前常用的数据竞争检测工具相比,数据竞争的误报和漏报分别降低了约10.6%和12.3%,在线程数较多的情况下,时间和内存开销分别降低了41.8%和22.4%。

【目的】针对我国森林干扰频繁、干扰类型复杂多样的特点,采用时间序列轨迹分析方法进行森林干扰监测,为陆地森林生态系统碳循环和碳蓄积以及气候变化研究提供参考。【方法】以福建省长汀县为研究区,基于2000—2016年15期Landsat时序数据,采用时间序列轨迹分析(Land Trendr)方法,对时序轨迹进行适当分段和线性拟合以识别干扰变化,获取长汀县森林干扰信息。结合Google影像和全球30 m分辨率GDEM数字高程产品等辅助信息分析监测结果,并基于实地调查和像元2种方法进行精度评估和验证。【结果】2000—2016年长汀县森林干扰总面积192. 49 km~2,平均每年受扰动森林12. 83 km~2; 2001年干扰量最小,不足1 km~2; 2004、2008和2009年森林受干扰较为严重,均在30 km~2以上,约占当年森林面积的1. 3%,共占干扰总面积的50%,其中2004年干扰面积高达32. 85 km~2; 2003、2006、2007和2010—2011年干扰面积略大于10 km~2,但均小于当年森林面积的0. 6%,其余各年干扰面积远小于10 km~2。森林干扰面积在个别年份波动较大,总体上随时间呈下降趋势。森林干扰持续时间主要为1～3年,发生在1年的干扰面积比例最大,达82%;森林干扰主要集中在长汀县东部非森林区域附近,随海拔升高干扰呈明显下降趋势,超过60%的干扰发生在中低海拔地区。结合Google影像目视解译,长汀县森林干扰主要是由森林火灾和人工砍伐造成的急剧干扰事件,且主要发生在非森林区域附近的低海拔地区。【结论】基于目视解译和实地调查结果与研究得到的干扰监测结果一致,干扰斑块可被完整提出,且边界准确清晰,细小干扰也能逐一识别。基于像元尺度精度验证的总体精度达96. 26%,Kappa系数为0. 92,各年份用户精度均在80%以上,除个别年份外,生产者精度均在75%以上,具有较高的监测精度。

　以Client/Server程序设计理论为基础,通过对在网络程序设计中使用单线程和多线程不同连接方式的讨论,选择了在编制计算机实验室远程关机程序中的方法——多线程程序设计。并利用VC++6.0实现了远程关闭计算机、重新启动计算机、注销当前用户等功能,该程序适用于Win9X,Win2000和WinXP。

本文运用序数-序数DEA模型对2009年和2014年珠三角9市的城市竞争力进行了评价,并从五个视角进行了交互式讨论。分析结果显示:2009年和2014年,广州和深圳的城市综合竞争力均居珠三角城市群前列。在分项竞争力方面,广州和深圳也处于明显优势。珠三角城市在五个分项竞争力(指标)评价中呈现出:第一,竞争力始终保持领先;第二,具有竞争力,且拉高城市排序;第三,不具竞争力,且拉低城市排序;第四,不失竞争力或者具有竞争力,但未改变城市排序;第五,不具竞争力,但未改变城市排序;第六,不失竞争力或者具有竞争力,但城

【目的】为了快速准确地监测城市群核心区内的森林扰动，研究利用Landsat时间序列数据在谷歌地球引擎（Google Earth Engine，GEE）平台运用LandTrendr算法进行森林扰动监测研究。【方法】基于2000—2020年植被生长季的Landsat时序数据，分别在归一化植被指数（Normalized Difference Vegetation Index，NDVI）、归一化燃烧率指数（Normalized Burn Ratio，NBR）、缨帽变换角（Tasseled Cap Arctangent，TCA）三种指数作为阈值限制下，采用LandTrendr算法对时间序列轨迹进行处理，以获取长株潭核心区森林扰动的发生区域及规模大小的信息。运用森林资源连续清查数据和Google Earth历史影像分别对3种不同指数的森林扰动监测结果进行精度评估和验证，并利用研究区内土地利用数据中的森林覆盖数据对扰动信息进行分析。【结果】2000—2020年长株潭核心区森林扰动总面积为264.35 km²，平均每年的扰动面积为13.22 km²，其中2002年扰动最少，为1.91 km²，扰动面积最大的为2011年，为25.52 km²。运用森林资源连续清查数据对三种指数阈值限制下的森林扰动信息结果验证的精度分别为90.91%、81.72%和65.08%；在谷歌地球历史影像中随机布点下精度分别为86.00%、77.88%和78.36%。2009年和2011—2013年间森林扰动较为严重。对全国范围内的土地利用数据进行处理分析可知，森林面积在20年间随时间增长而缓慢减少，所占总面积的百分比由原来的27.10%减少到22.00%。【结论】NBR是最适合长株潭核心区的森林扰动指数，森林扰动检测结果与实地调查和谷歌地球历史影像目视解译的结果一致。森林扰动斑块的分布边界可被完整提取，扰动面积大小变化趋势与全国区域内土地利用数据森林面积变化趋势相同，主要由城市化进程、森林火灾和人工砍伐引起。2000—2020年研究区森林扰动面积呈现波动式缓慢增加的趋势，其中2001年、2011年和2013年存在扰动面积浮动较大。

依据波特的"钻石模型",从生产要素、需求条件、企业的战略与竞争、相关与支持性产业、政府支持、机遇六个方面对江西森林公园生态旅游的竞争力进行了分析,以期为正确制定江西森林公园生态经济发展战略,提升江西森林公园生态旅游竞争力提供研究基础。

合成孔径雷达(SAR)技术以其独特的成像机制及其全天候、全天时成像能力,在森林生物量估测方面发挥着越来越重要的作用。利用野外实测数据分析了ALOS PALSAR双极化数据后向散射系数(σH0H,σH0V,σH0V/HH)与云南山区松林蓄积量的关系,并分别构建简单线性、自然指数和加入地理因子的多元回归模型。研究结果表明:极化比值(σH0V/HH)与蓄积量的相关系数(r=-0.407)比任何单极化(σH0H和σH0V分别为0.204和-0.242)都要高,加入地理因子的多元回归模型在森林蓄积量估算中有较好的精度。图3表2参12

森林是人类陆地上最大的生态系统,在净化空气、调节气候、涵养水源、减少风沙危害等方面起着重要作用,其数量或质量的变化对于全球生态环境、生物多样性和气候变化都有重要影响。及时准确地获取森林覆盖变化信息,对于研究环境变化和森林管理规划具有重要意义。本文利用国产高分一号(GF-1)卫星16 m分辨率多光谱(WFV)数据,在进行辐射校正、正射校正、影像配准和相对辐射归一化等处理后,构造两种森林覆盖变化检测方法:一种为基于核主成分分析(kernel principal component analysis,KPCA)

利用随机森林算法,提出了一种基于随机森林特征选择的视频烟雾检测方法.首先,提取四种表征烟雾的特征:RGB颜色特征,小波变换高频子图,多尺度局部最大饱和度,多尺度暗通道;其次,根据烟雾图像信息模型利用无烟图片合成烟雾图片并分块得到随机森林训练样本;第三,训练随机森林进行特征选择并通过训练支持向量机得到识别烟雾块和非烟雾块的分类器,并由此得到视频图像帧的疑似烟雾区域;最后通过视频烟雾区域的凸形度和增长率分析,得到烟雾检测的结果。实验结果表明,该方法能够及时的预警烟雾同时降低火灾预警的误报率.

以智能终端为研究对象,将动态定位作为研究目标,根据数据获取、预处理、特征提取和选择,分类器设计与分类决策等五个方面提出了基于随机森林的定位模型和算法,详细论述了算法的执行流程,并通过用户测试数据仿真对模型进行了验证,结果表明该模型的定位算法结果准确率在90%左右。

文章以住宅性房产为切入点,基于特征价格理论,选择了区位特征、建筑特征和邻里环境三大类共计21项特征变量,构建了房价格评估的随机森林模型。并以广州市天河区某区域的二手住宅性房产为例,应用所构建的模型对该区域内的二手房产进行了价格评估。

机器学习模型由于其对变量间共线性及非线性关系的处理能力,在金融投资领域得到了越来越广泛的应用。利用23个常见因子建立随机森林模型,对中证500指数成分股收益率进行预测并构造投资组合,发现随机森林模型能够对个股的相对收益率进行较好的拟合和预测,多空投资组合的年化收益率和夏普比率分别高达27.31%和1.59;通过因子重要性分析发现,动量因子在随机森林模型中的作用最强,而长期的流动性水平显得最不重要;随机森林模型所代表的非线性因子在估值因子、规模因子和盈利因子上有一定暴露,超额收益极其明显。研究结论有助于促进人工智能和金融学的交叉融合研究,同时也为多因子投资提供了理论和现实参考。

扶贫对象的精准识别是实现精准扶贫的重要条件。实现贫困数据的精准分类与识别以及贫困识别由定性到定量、由单维瞄准向多维瞄准的转变是精准扶贫的重要基础。精准识别可以采用大数据分析中的分类算法实现。本文基于可持续生计分析框架,从人力资本、社会资本、自然资本、物质资本、金融资本和生计环境六个方面建立了多维贫困指标体系,运用随机森林算法构建了精准识别模型,并采用中国家庭追踪调查数据(CFPS),对扶贫对象精准识别模型的分类及识别效果进行了评价,结果表明模型效果良好。

在界定了森林生态资产与森林资源资产组合概念的基础上,构建和模拟了基于随机控制理论的森林资源资产组合模型,为森林经营管理者提出了相应的结论和建议:森林经营管理者可以根据最优采伐量与木材价格、补偿价格、成本系数、税率、贴现率、生长率等参数之间的关系,获得在市场经济变动条件下的最优森林资产组合,以保证森林资产净收益的稳定增长。

随机森林模型是近十年数据挖掘组合分类技术中的前沿问题,目前已在多个领域得到广泛应用。文章利用随机森林方法法建立了基于随机森林分类算法的我国上市公司财务失败预警模型,通过与逻辑回归模型、SVM支持向量机模型、CART分类树模型和神经网络模型的预测结果的对比表明随机森林模型的预测精度更高,稳健性更好,可以更好地提高我国上市公司的抗风险能力。