基于机器学习的多源矢量同名面实体几何不一致性识别和处理方法

针对多源矢量数据融合更新中同名实体之间存在明显几何位置差异,导致几何不一致性识别和处理自动化程度较低的问题,提出一种面向多源矢量同名面实体的几何不一致性识别与处理方法。首先,对几何不一致性的特征分类进行深入分析,通过机器学习方法构建基于同名面实体几何不一致性特征指标的识别模型;然后,引入点集配准算法进行实体位置对齐,进而实现同名面实体的几何一致性处理。试验选取舟山地区多源面状水系数据进行验证。结果表明,该方法几何不一致性识别结果具有较高的准确率,几何一致性处理结果优于现有直接叠置分析的方法,可以有效降低位置误差,提高几何一致性。

小比例尺多尺度居民地面/面目标几何不一致性探测方法

不一致性探测是多源空间数据集成与融合、空间数据变化检测与更新、多尺度地理信息数据一致性维护的重要环节。居民地作为现实世界中变化最活跃的地理要素之一,其在多尺度地理信息数据库中表现出来的几何不一致性问题十分突出。在分析多尺度居民地面/面目标几何不一致性根源的基础上,将多尺度居民地面/面目标几何不一致分为实体表达状态不一致和实体表达形态不一致。提出了利用实体表达状态差异、空间位置差异、形状差异、大小差异以及面积叠置率探测多尺度同名面状居民地几何不一致性的方法,并给出了具体的实验步骤。实验结果表明,该方法能够识别出不同尺度数据中存在几何不一致性的同名面状居民地,不一致性探测结果可以作为多尺度居民地面/面目标几何一致性处理的依据。