一种新的考虑空间实体约束的空间聚类算法

空间实体的存在会对空间聚类结果产生重要的影响。传统的空间聚类算法通常没有考虑空间实体的约束作用,很难保证聚类结果的真实性。针对空间约束中的障碍约束和便利约束,本文提出了一种改进的基于空间拓扑相邻关系的密度聚类算法CD-DBSCAN。该算法充分利用空间对象间的拓扑相邻关系,既考虑了空间障碍的阻隔作用,又兼顾了空间便利的连通作用。聚类结果研究表明,该算法能够有效地挖掘出约束条件下的数据集的聚集特征。

一种二阶段法处理考虑约束的空间聚类问题

如何在海量的、复杂的空间数据中进行聚类，而往往要考虑空间实体间约束条件的存在，又要求聚类结果的不失真，提高聚类的质量，这些是空间聚类中必然面临的挑战。在对空间聚类的研究基础上，提出一种二阶段聚类法，对空间属性和非空间属性分别进行处理，首先在非空间属性空间中进行无约束的一次聚类，而后在空间维中进行考虑实体约束的基于网格的聚类。算法一方面保持基于网格的聚类对海量数据聚类的高效性，另一方面又考虑了空间实体约束，以提高聚类的质量。

Oracle中constraint的应用研究

数据完整性是数据库管理系统中重要的技术指标。本文研究在大型数据库Oracle平台,如何构建三类完整性约束,分别是实体完整性约束、参照完整性约束、用户自定义完整性约束,并研究其注意问题及如何绘制模式中表间的关系。

一种扩充形式的ER模型

概念结构是数据模型的基础 ,ER模型是软件工程中描述概念结构的有力工具 ,其独立于数据库逻辑结构 .针对设计概念结构分类、聚集、概括策略 ,本文引入实体间的属籍约束 ,弥补了ER模型在弱实体约束方面的局限性 .

基于实体对弱约束的远监督关系抽取

为缓解远监督关系抽取中的假阳性问题并进一步提高关系抽取的准确率和召回率,提出基于实体对弱约束的远监督关系抽取模型。首先,从知识库和文本中获取实体对的约束信息,约束信息由实体对关键词和实体类型两部分组成;然后,通过训练神经网络模型自动获取不同关系所对应的实体对约束信息的特征;最后,将这些特征用作弱约束联合语句特征一起进行关系预测。在对比实验中,基于实体对弱约束的模型达到了更高的准确率和召回率,表明了实体对弱约束能有效缓解假阳性问题、加强关系抽取。

地学知识图谱引导的遥感影像语义分割

尽管深度语义分割网络有效提升了遥感影像语义分割性能,但其效果远未达到人类领域专家的目视解译水平。原因是人类视觉系统在进行遥感影像解译时,往往会综合运用视觉特征、语义信息和先验知识。然而,深度语义分割网络本质上是数据驱动的面向像素级损失反向优化的分类方法。这种基于像素级优化的深度语义分割网络,一方面受限于像素空间尺度,缺乏整体性目标线索挖掘;另一方面难以跨越结构化数据和非结构化知识之间的鸿沟,无法充分利用地学先验知识和空间语义信息。针对以上两方面的问题,本文提出了地学知识图谱引导的遥感影像深度语义分割方法,运用从地学知识图谱中抽取的地物目标语义信息和地学先验知识构建实体级连通约束和实体间共生约束,引导深度语义分割网络训练。其中,实体级连通约束以连通域实体而非像素单元计算损失,得到实体级别的特征表示,使得分割结果更具整体性,边界模糊和随机噪声现象得到抑制。实体间共生约束将共生条件概率量化的空间共生知识嵌入到数据驱动的深度语义分割网络中,实现空间语义信息和地学先验知识对实体空间分布的约束引导和自动优化。验证结果表明,在实体级连通约束和实体间共生约束的引导下,深度语义分割网络可以完成对实体级特征的学习并根据空间共生知识自动优化地物实体的空间分布,有效改善了遥感影像语义分割性能。