公共地图服务的群体用户访问行为时序特征模型及预测

群体用户对公共地图服务的访问行为具有社会性,存在着一定的群体访问行为模式。该模式具有高强度的访问聚集性与突发性,且决定着公共地图服务对云计算资源的需求。如何有效地表达和捕捉群体用户访问聚集性及其访问强度的时序变化特征,进行准确的公共地图服务负载预测,是实现按需选择和调度云计算资源,应对海量用户并发服务挑战的关键。本文基于海量的公共地图服务用户访问日志和时间序列聚类方法,建立了群体用户访问到达行为的时序分布模型;考虑降低负载预测复杂度的同时,利用访问强度具有多峰值、变强度以及周期性的特点,分割访问到达率在一个周期内时间序列上的模式区间,实现访问强度时序聚类划分的最优;基于各访问模式区间不同的访问到达概率密度的分布,提出了基于累积概率分布的时间序列平滑预测服务负载方法,该预测方法的算法复杂度低,且所需的先验数据量小。实验证明,本文提出的基于时序的群体用户访问到达率最优分割方法及其预测方法可以以较高的准确率预测服务负载。该方法在应对海量用户并发访问挑战的同时,可提高云计算资源的利用效率,解决公共地图服务质量与服务成本的平衡性问题。     

多维情景下的微地图用户分析

针对"微地图"如何更好地服务于每个用户,同时满足用户的特定空间需求问题,该文从"微地图"平民化、发布速度快、互播功能强的特点出发,结合对情景的认识,提出了适合微地图用户的"多维情景"分析方法:首先从用户属性情景、客观环境情景和用户需求情景3种维度对微地图用户进行定量或定性的描述,以此对用户个体做规范化表达;接着选择特定用户群——旅游人群,对用户需求情景做进一步分析,并提供典型的旅游地图模板供用户选择;最后,从用户情景信息与用户行为信息的对应关系之中,提取两者之间频繁度的规则,并由规则聚类生成用户模型,从而对微地图用户达到分类的效果。对微地图用户提供个性化服务的同时,为建立微地图用户模型提供了一种思路。     

彩色地图分色方法综述

彩色地图分色是地形图符号提取与识别的首要问题,为了使该领域的研究人员对当前各种彩色地图分色方法有较全面的了解,因此对各种彩色地图分色方法进行了系统的论述。先对各种颜色空间进行简单介绍,然后对直方图阈值法、特征空间聚类、神经元网络、模糊方法、基于样本学习的统计方法、遗传算法、基于熵的方法等主要的彩色地图分色技术进行综述,并比较了它们的优缺点。     

结合SAM大模型和数学形态学的历史地图水系信息提取方法

历史地图记载着丰富的历史地理信息,能够帮助了解历史规律,为当代发展提供借鉴。不同于现代地图、遥感影像等数据,历史地图保存时间久,存在留存数量少、图像精度低等问题,地图符号也与现代有所差异,因此信息难以被高效提取。针对该问题,本文以历史地图《宁夏省境黄河沿岸沟渠水道地形图》为试验数据,提出一种智能化历史地图水系信息提取方法。首先,结合符号句法,运用聚类与数学形态学方法构建数据集;然后,改进通用大模型(SAM)结构并进行迁移学习优化权重;最后,借助改进SAM自动提取历史地图水系信息。将试验结果与其他模型作对比,显示本文方法提取结果边界清晰,轮廓完整,准确率、精度等指标均为最高。同时,将提取结果与该区域水系现状作对比,发现历史上的河流沟渠如今大多改道、偏移或消失,湖泊面积大大减小。本文方法基于SAM通用大模型进行改进,验证了大模型在地图领域的可用性,为地图信息提取提供了思路。     

基于文本挖掘的个性化地图服务模型研究

随着个性化地图服务的深入研究,如何获取更加实时可靠的用户个性化信息和需求,成为当前研究的难点。本文从人们最重要的交流工具——文本数据出发,在当前文本挖掘技术的支持下,提出了一种能够识别挖掘用户所言,分析提取用户所需,并最终实现地图可视化的个性化地图服务模型。通过实例验证,该模型能够有效地提取地图知识和用户信息,为个性化地图服务的发展提供技术和数据支撑。     

电子地图可视化要素认知模型的因子分析

针对电子地图可视化要素缺少用户认知模型和量化研究的问题,首先建立了电子地图可视化要素用户认知初始模型,通过客观的问卷调查法收集数据,采用因子分析对地图可视化要素变量进行归类简化,对初始模型进行优化,并给出优化模型中各地图可视化要素的权重。量化的电子地图可视化要素用户认知模型,以及问卷调查与因子分析结合的研究方法对类似研究具有借鉴意义。     

面向需求的启发式网络地图自动制图研究

互联网的发展要求提供个性化的网络地图自动制图服务。文中运用Web Servers和专家知识库耦合技术研究面向需求的启发式网络地图自动制图原理和方法,该方法将不同用户的网络地图需求视为对地理空间信息一系列的启发式再识别过程,提取出相应的需求参数建立用户兴趣模型,并运用相关算法实现数据的加载以及对地理实体的符号化表示。实践表明,该系统实例可以改善互联网上面向用户需求的个性化网络地图自动制图服务。     

文本地图可视化综述

对文本地图相关研究进行梳理,将文本地图分为纯文字地图和标签地图两大类,并指出了两者的差异性。其中,标签地图又被分为层叠式标签地图、关联式标签地图、内置式标签地图和变体式标签地图4类。从布局算法、功能和用户体验3个方面指出了文本地图的设计优化方向。其中,布局算法需进一步改进执行效率,顾及标签位置与语义关联;功能优化需改进标签地图的时序表达;用户体验需进一步加强文本地图的可用性与易用性研究。这能够为地理文本数据的可视化表达提供参考。     

基于滚球法的面要素聚合

在自动制图综合中,面要素聚合较为常用的方法是利用聚类方法将面要素聚类为若干个类簇,进而将每个类簇合并为更大的多边形图斑。针对地图制图领域的前沿研究课题——地图自动综合,该文提出了一种基于滚球法的面状要素聚合的新方法,通过实验阐述了该方法在居民地等面要素综合中的应用,并与传统的聚合算法进行了效率上的对比分析。该方法较传统的聚合方法效率上有很大提高,在大数据量聚合中有一定的应用前景,当选择合适的滚球半径进行综合时,有较理想的结果。     

基于色彩空间转换及模糊约束聚类的地形图自动分色

针对彩色地形图的自动分色问题，提出了一种新的模糊聚类算法。该方法首先对地图的色彩空间进行转换，使其支方图的峰谷特性更加明显，然后对模糊C—均值(FCM)聚类算法进行模糊约束，并把此算法扩展到2维空间，从而较好地解决了地图的自动分色问题。此算法已编程实现，效果比较理想。     

面向用户偏好模型的制图综合过程控制研究

以SDI领域用户为研究对象,分析了群体用户偏好与制图知识之间的关系,探讨了多领域用户偏好模型的定义、分类和获取途径,着重阐述了基于用户偏好模型的制图综合过程控制方法,通过实验,验证了本研究的可行性和有效性。     

地图数字化误差分析及探讨

文章分析了地图数字化误差的分类和主要来源,在目前研究现状的基础上,引入了分形分维理论,作者主要研究了分形分维理论在地图数字化误差分析中的应用 ,并通过实验分析,得到一定的结论.     

电子地图导航技术框架研究

导航技术在用户使用电子地图中起着重要的引导作用,本文在拓宽地图学和地理信息工程领域中将电子地图导航技术分为了6类:显示设备、信息重构、缩放+漫游、概览+细节、焦点+上下文和基于提示的对象可视化技术,并构建了电子地图导航技术框架研究的漏斗模型,并对框架中的地理任务分类、导航技术分类、导航技术理论、可用性研究和评估方法以及最后方案的复用5个方面进行了阐述,并提出了初步的解决方案。     

导航电子地图主动表达模型研究

目前,导航电子地图"千人一面"的服务模式不能满足用户追求个性的时代特点。文中从用户因素和时空环境两方面对导航电子地图内容主动表达的影响因子进行深入研究,建立导航电子地图主动表达模型。与传统表达模式相比,主动表达模式关注特定时空环境下用户的个性和偏好,对有不同的认知特征和不同导航任务的用户在不同环境下采取不同的表达策略,服务质量有所提高。     

Measures of spatio-temporal accuracy for time series land cover data

Remote sensing is a useful tool for monitoring changes in land cover over time. The accuracy of such time-series analyses has hitherto only been assessed using confusion matrices. The matrix allows global measures of user, producer and overall accuracies to be generated, but lacks consideration of any spatial aspects of accuracy. It is well known that land cover errors are typically spatially auto-correlated and can have a distinct spatial distribution. As yet little work has considered the temporal dimension and investigated the persistence or errors in both geographic and temporal dimensions. Spatio-temporal errors can have a profound impact on both change detection and on environmental monitoring and modelling activities using land cover data. This study investigated methods for describing the spatio-temporal characteristics of classification accuracy. Annual thematic maps were created using a random forest classification of MODIS data over the Jakarta metropolitan areas for the period of 2001–2013. A logistic geographically weighted model was used to estimate annual spatial measures of user, producer and overall accuracies. A principal component analysis was then used to extract summaries of the multi-temporal accuracy. The results showed how the spatial distribution of user and producer accuracy varied over space and time, and overall spatial variance was confirmed by the principal component analysis. The results indicated that areas of homogeneous land cover were mapped with relatively high accuracy and low variability, and areas of mixed land cover with the opposite characteristics. A multi-temporal spatial approach to accuracy is shown to provide more informative measures of accuracy, allowing map producers and users to evaluate time series thematic maps more comprehensively than a standard confusion matrix approach. The need to identify suitable properties for a temporal kernel are discussed.     

Representation and its Relationship with Cartographic Visualization

A research agenda is presented which addresses the current role and potential of map displays. By considering the geospatial data used in visualization, the form and design of maps, the purposes for which map displays are created, the nature of the map user community, and the technology employed to visualize geospatial data, a thorough overview of the nature of cartographic visualization is given. Under the same themes, and sourced in cartographic tradition, cartographic practice and technological opportunities, a series of possible research avenues are highlighted. The important links between representation and the user interface, map user cognition and the geospatial database are stressed.     

基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 ,提高了独立分量分析在遥感图像的分类上的有效性     

电子地图可视化中的自适应策略

通过分析用户地图操作行为和外界环境因素对电子地图可视化的影响 ,提出了电子地图可视化中的自适应概念 ,并给出了比较全面的自适应条件的分类和详细的论述 ,建立了自适应的策略框架     

综合聚类和上下文特征的高光谱影像分类

常规高光谱影像逐像素分类往往没有考虑空间相关性,分类结果未体现地物的空间关联和分布特征。为了在分类中充分利用空间特征,利用聚类信息并结合隐马尔可夫随机场模型讨论了高光谱遥感影像光谱-空间分类方法。首先,在不同特征提取方法（最小噪声分离、独立成分分析和主成分分析）下,使用不同聚类方法（k-均值、迭代自组织分析算法和模糊c-均值算法）借助隐马尔可夫随机场获取优化的分割图;然后,采用4连通区域标记法对分割区域标记生成图像对象,并根据支持向量机的逐像素分类结果采用多数投票法对图像对象进行分类;最后,借助凹槽窗口邻域滤波技术改进分类结果,削弱“椒盐”现象。该方法综合了监督分类和非监督分类的优势,通过聚类引入地物空间相关性信息,通过隐马尔可夫随机场引入上下文特征,较好地弥补了单纯基于光谱信息分类的不足。