面状居民地匹配骨架线傅里叶变化方法

大比例尺城市居民地是变化最为活跃的要素之一,因其形态复杂多样,数据量密集,匹配过程复杂,成为空间数据匹配的重点。面状居民地匹配骨架线傅里叶变化方法首先把大比例尺面状居民地转化为能够反映其主要轮廓特征的骨架线;其次,把骨架线转化为更易于表达其形态特征的几何形态数据,并对其进行插值计算;第三,对几何形态数据采用傅里叶变换,获取匹配双方骨架线之间的相关系数;最后,通过相关系数来判断双方骨架线之间是否满足匹配条件,从而得到骨架线所对应居民地的匹配结果。通过等级化处理,把2维面状居民地转化为1维骨架线,有效降低了空间数据的复杂性,并可把许多线要素匹配的方法引入进来;把骨架线转化为几何形态数据,并采用傅里叶变换进行形态计算,线要素的几何形态相似性分析得到显著增强,提高了数据匹配的准确率。通过试验验证及对比分析,证明了本方法的有效性和科学性。

基于降维技术的面状居民地匹配方法

作为数据更新与融合关键技术之一,空间数据匹配越来越受重视。城市居民地是空间目标变化中最为活跃的要素之一,成为空间数据更新的主要内容。不同于已有要素直接匹配的做法,提出了面状居民地匹配新方法,即对面状居民地采用降维技术进行处理,分别提取匹配双方面状居民地的骨架线,并通过其骨架线之间的匹配来达到面状居民地之间匹配的目的。实验证明,所提方法中把2维面状居民地转化为1维线状骨架线后,其匹配的复杂性与不确定性大幅降低,匹配效率、速度得到有效提升。

采用Stroke层次结构模型的道路网匹配方法

地理空间信息时刻处于变化之中,道路网变化尤其明显。如何确保道路数据的现势性成为重要研究课题。每条道路往往由多条弧段组成,目前的匹配算法大多对离散弧段单独匹配,而没有把每条道路作为一个整体进行匹配,导致即使是同一条道路,往往也存在局部匹配错误的情形。本文提出了基于Stroke层次结构模型的城市道路网匹配新方法。该方法采用Stroke技术把离散的道路弧段构建为完整的道路,亦即Stroke;进一步对Stroke进行分类分级,进而构建不同层次Stroke之间的关联匹配准则;最后采取由高等级Stroke到低等级Stroke逐级匹配、并以高等级Stroke约束较低等级Stroke匹配的方法与顺序,依次完成整个道路网之间的匹配过程。该算法的优势在于:把离散的道路弧段转化为整条Stroke进行整体匹配,避免了局部因素的影响;以高等级Stroke约束较低等级Stroke匹配,层层约束,算法运算效率与匹配正确率显著提高。

ID3决策树推理模型及其在道路网选取中的应用

介绍了自动制图综合中知识推理的研究现状及存在的问题,指出了借鉴人工智能优秀技术成果提升自动综合智能化水平是解决当前问题的重要途径之一。对ID3智能算法的基本原理进行了详细介绍,提出基于ID3决策树的知识推理模型。将该模型引入到道路网智能化选取当中。对该模型应用到道路网自动选取的合理性进行了论述,并进行了实验验证。在对实验结果进行详细分析的基础上,探讨了该算法应用于道路网选取的优势和不足,指出了进一步研究的方向。

基于分段模长的三维地理模型数据数字水印算法

本文提出了一种基于模长的三维地理模型数据空域数字水印算法.针对距离不变量模长展开剖析,根据该模型数据特点,将模长选定为水印嵌入及提取时的根基性目标.通过对将要检测的模型中顶点至中心的模长距离及其所处的区间位置的统计来嵌入水印,对比初始的及所提取的水印,剖析其二者之间的关联性.针对此类模型里初始水印的存在性进行检验.通过实验对此算法进行了验证.新算法不但可以实现对仿射变换攻击的强力对抗,而且在抗衡强度较低的噪声攻击时也表现出较佳的成效.

道路网智能选取的案例类比推理法

从人类学习和认知角度,借鉴人工智能领域基于案例推理学习的成果,提出一种基于案例类比推理的道路网智能选取新方法。该方法将制图专家对某区域道路网的交互选取结果作为参考标准,对其进行结构化描述并构建和转化为案例库;计算机采用一定的简化算法和泛化算法对该案例库进行分析和学习,获取检索效率更高和适应样本能力更强的案例模型库;计算机在对相似道路网自动选取时,根据获取的案例模型库,采用基于案例类比推理的方法,分析获取相应的解决方案,进而完成道路网智能选取。与已有研究成果相比,本方法以案例及其泛化模型来模拟专家思维,以计算机对案例模型的类比学习来进行相似道路网自动选取,增强了道路网选取中的智能性。最后对本方法的科学性和适用性进行验证,并对试验结果作分析和评价,同时指出了存在的问题和进一步的研究方向。

采用案例归纳推理进行道路网智能选取

自动制图综合集技术、艺术与制图人员经验于一体,长期以来其自动化、智能化研究进展缓慢。基于机器学习的智能化自动综合也成为了制图综合发展过程中必须解决而仍未得到很好解决的核心难题之一。提出基于案例归纳学习的道路网智能选取方法,以制图专家道路网选取案例库为学习对象,以决策树算法为推理机,从专家案例库中自动归纳、推理来获取决策树,并转化为满足计算机自动执行的规则集,据此来进行道路网自动选取。从而解决了把难以形式化表达的制图专家经验自动转化为满足计算机自动综合要求的规则,并据此进行智能化自动综合这一难题。最后,采用实例对本文方法进行了验证,实验结果表明,本文方法能够从专家案例库中自动获取核心规则,并进行自动综合,综合结果能够有效地反映制图专家的制图综合经验,同时具有普适性,从而为智能化自动制图综合发展探索了新的途径。