基于不确定场定义模糊贡献度的多源测绘信息数据挖掘研究

地理测绘信息来源具有多源性,不同数据源下的数据需要大量模糊语言描述,但缺少精准定义不同来源测绘信息的特征属性。针对不同来源的数据关系挖掘精准度差的问题,文中设计一种基于不确定场定义模糊贡献度的多源测绘信息数据库相似关系挖掘算法。使用K-means算法划分测绘多源数据类型,把划分结果作为训练数据集并转变为矩阵模式,代入反向传播(Back Propagation,BP)神经网络中训练,并清洗多源信息数据。利用数学中的不确定场模型定义测绘多源信息的模糊贡献度,获得数据库多源信息模糊水平。在遗传算法基础上引入兴趣度概念,定义两个测绘信息同时存在的信息量,调节染色体适应度,将杂交概率与染色体相似度的耦合关联作为多源信息模糊相似关系输出值,完成预期数据挖掘工作。实验结果表明,所设计的挖掘算法模糊相似关系挖掘时间约为7.5 s,方差值在6以内,数据挖掘结果的精准度在85%以上,可为地理测绘数据的正确应用提供可靠借鉴。