基于统计式机器学习的地理本体融合模型

针对不同领域对地理事物的认知体系差异造成了地理本体异构的问题,提出了地理本体融合模型,引入统计式机器学习的方法对概念间的关系进行自动处理,并以概念间关系在不同本体出现的频度来产生其可信度,最后形成带有统计信息和领域信息的大型地理概念空间.该模型巧妙规避概念层面繁琐的异构映射过程,融合概念空间将多个地理本体所表达的概念知识融为一体,并保持了领域内的信息,有效实现了不同认知体系之间的共享.

一种粒化理论的地理本体融合方法

提出了一种粒化理论的地理本体融合方法。该方法首先运用形式概念分析地理本体,再引入粒计算理论,在不同粒度下约简概念格完成本体融合,认为地理融合过程是一个渐进过程。利用地理信息基础数据和水利空间数据进行融合实验,验证了此方法的有效性。