基于二元关系的GIS实体拓扑关系的粗糙表达

利用二元关系和粗糙集的一些性质来研究GIS实体之间关系,发现在基于二元关系的广义近似空间下GIS实体的前继领域、后继领域算子、上、下继领域包含了比它自身更广的一个集合定义。同样基于粗糙集,我们发现二元关系GIS实体的上、下近似比Pawlark粗糙集的定义更广泛。在二元关系的广义近似空间下,一个GIS单点集的上近似等于它的前继领域,同样等于它后继领域的逆。     

基于粗集的面实体方向关系的研究

对基于粗集面与面方向关系的定性表示进行研究,首先讨论了基于传统方向关系的表示方法,然后介绍了基于粗集的方向关系模型,并以实例对方向关系进行描述。结果表明,基于粗集的方向关系更加符合人类对不确定方向关系的表达和认知理论。     

分层递阶近似空间下的GIS属性数据不确定性描述

GIS属性数据作为GIS实体的属性,具有模糊性、不确定性。由GIS实体对象和对象的属性组成的二元关系满足近似空间的特性。本研究从GIS信息系统的对象、属性出发,利用格概念,认为GIS属性数据集合可以构成偏序关系,并且(P(A),)构成一个完备的偏序格。如果从属性链的角度分析,GIS实体集在的细分划分空间关系下,可以构成分层递阶近似空间,并且随着属性个数的增加,知识颗粒将逐渐"细化"。     

基于粗集的多粒度空间方向关系不确定性定量评价模型

针对确定性地理目标位置不确定性和方向系统划分粒度粗细产生的空间方向关系的不确定性问题,提出了锥形模型空间方向关系的粗集表达模型,然后定义了知识含量的测度(I(R_n))用于度量锥形模型粗集表达的方向分类能力,在近似精度和粗糙度中引入I(R_n)因子,构建了基于知识含量的近似精度和粗糙度,用于确定性地理目标位置不确定性及方向系统划分粒度引起的方向关系不确定性的定量评价。实验表明,基于知识含量的近似精度和粗糙度,是定量评价由于确定性地理目标位置不确定性及方向系统划分粒度引起的方向关系不确定性的理想指标。     

基于粗集的多尺度空间拓扑关系不确定性定量评价模型

空间拓扑关系不确定性的定量评价可为多尺度拓扑关系一致性的自动评价、空间推理与空间查询等应用的可靠性提供依据。定义了基于几何度量的拓扑距离,构建了拓扑关系不确定性的粗集表达模型;提出了不确定性粗集表达中拓扑距离的量化方法;进而提出了基于粗集的多尺度空间拓扑关系不确定性度量指标。实例研究证明了本文提出模型的科学性与合理性,该方法可用于多尺度表达过程中引起的拓扑关系不确定性的定量评价。     

复杂环境下地基SAR粗差探测及应用

雷达视线受施工机械等的间断遮挡导致部分影像产生相位奇异值，从而造成解缠错误及误差传递，简单的相关影像处理难以识别受遮挡影像。本文提出了改进的基于小波变换的信号奇异性检测方法，通过对地基SAR PS点时序相位特征进行分析，将遮挡影像识别转化为粗差探测问题；由PS点相位序列与影像位置关系，根据测区PS点相位序列的奇异点集合得到受遮挡影像集；最后将受遮挡影像剔除后得到的地基SAR监测结果与精密全站仪、水准与游标卡尺数据进行对比分析。结果表明：本文提出的方法用于受遮挡影像的识别是可行的，解决了地基SAR在实际工程应用中可能存在的影像遮挡带来的测量数据含有粗差的问题，提高了监测区域伪影像检测的效率与准确性。     

基于单纯形的3D-GIS数据模型及其初步设计

本文分析了单纯形的特性,采用单纯复形表示地学３维目标体,定义了基于地学复形的３Ｄ－ＧＩＳ空间数据模型和空间关系及操作,对地学目标抽象表示为点、线、面和体４种类型。提出了基于地学复形空间表示方法的逻辑设计,以及４种空间目标类型的拓扑关系图。了其数据结构的定诳几种地此模型的插值的方法。     

粗集属性划分的集成遥感分类

提出了一种基于粗集属性划分的遥感分类新方法, 构造了基于粗集的集成遥感分类器。该分类器利用粗集理论将输入的属性集合划分为多个约减, 利用这些约减构造多个训练子集。每个训练子集训练神经网分类器, 在决策时将多个单个分类器的结果进行投票选举。这种方法即减少了单个分类器的输入属性个数, 又避免了由于属性选取造成单一分类器在某些分类上的错误偏见。该分类器与神经网分类器方法, 以及属性选取与神经网结合方法进行了比较。结果表明RSEC无论在分类精度上, 还是在不同样本个数条件下的精度稳定程度上均有较好表现。     

GIS信息综合中一种改进的粗集选取方法

在现有的基于粗集的GIS信息综合的基础上,针对GIS信息表的特殊性,提出了先离散化再添加决策属性的粗集计算思路,采取动态评价目标重要性并选取的方法对目标进行综合。实验表明,该离散化思路可以很好地解决GIS信息表的离散化效率问题,动态评价选取的方法不仅能综合考虑目标的空间及属性信息,而且可以保持目标综合前后空间特征的一致性。     

粗集方法在地图综合中的应用

将粗集理论与方法应用于地图综合时,根据地图中空间信息的特性及其生成属性决策表的特殊性,提出先利用无监督的离散化方法对各连续型条件属性分别离散化后再根据属性决策表的应用目的对空间目标进行模糊分类添加决策属性的思路;然后利用粗集属性约简的方法计算各条件属性的重要性,并采取动态排序的方法对空间目标的重要性进行判断。该方法可以很好地解决将粗集应用于地图综合中无法预先确定决策属性的问题,对空间点目标的选取实验结果表明该方法是合理有效的。     

Geo-rough space

Rough set is a new approach to uncertainties in spatial analysis. In this paper, rough set symbols are simplified and standardized in terms of rough interpretation and specialized indication. Rough spatial entities and their topological relationships are also proposed in rough space, thus a universal intersected equation is developed, and rough membership function is further extended with the gray scale in our case study. We complete three works. First, a set of simplified rough symbols is advanced on the basis of existing rough symbols. Second, rough spatial entity is put forward to study the real world as it is, without forcing uncertainties into crisp set. Third, rough spatial topological relationships are studied by using rough matrix and their figures. The relationships are divided into three types, crisp entity and crisp entity (CC), rough entity and crisp entity (RC), and rough entity and rough entity (RR). A universal intersected equation is further proposed. Finally, the maximum and minimum maps of river thematic classification are generated via rough membership function and rough relationships in our case study.     

Geo-rough Space

Rough set is a new approach to uncertainties in spatial analysis.in this paper,rough set symbols are simplified and standardized in terms of rough interpretation and specialized indication.Rough spatial entities and their topological relationships are also proposed in rough space,thus a universal intersected equation is developed,and rough membership function is further extended with the gray scale in our case study.We complete three works.First,a set of simplified rough symbols is advanced on the basis of existing rough symbols.Second.Rough spatial entity is put forwark to study the real world as it is ,without forcing uncertainties into crisp set.Third,rough spatial topological relationships are studied by using rough matrix and their figures.The relationships are divided into three types,crisp entity and crisp entity(CC),rough entity and crisp entity (RC),and rough entity and rough entity (RR),A universal intersected equation is further proposed.Finally,the maximum and minimum maps of river thematic classification are genrated via rough memebership function and rough relationships in our case study.     

基于覆盖粗糙集的GIS不确定性分析

粗糙集作为一种处理不确定性问题的工具,近年来在GIS中得到了广泛的应用。它利用上、下近似来逼近对象。在以往的GIS粗糙集应用中,都是基于等价划分的pawlark粗糙集。本文基于划分之中可以存在交集的覆盖粗糙集,利用近年在基础数学研究中的一些覆盖粗糙集的理论与性质,探讨了GIS不确定研究的覆盖近似空间、覆盖粗糙集、模糊覆盖粗糙集、模糊覆盖粗糙隶属函数等。发现覆盖粗糙集在处理GIS不确定性问题时,有比粗糙集更广的适应范围。     

粗集在知识发现中的应用

介绍了粗集的基本概念,包括粗集的定义、“属性－值”系统、属性依赖与归约及粗集概念的若干推广,最后指出粗集理论在知识发现（KDD）中的一个可能应用途径。     

基于粗规则对象空间信息表的最小规则集生成

提出了粗规则对象空间信息表的概念、相关概念和性质，并给出实现粗规则最小化算法。基于此，编写了相应的计算机程序，并对一个地理信息系统实例规则进行了研究。实例表明运行可靠、结果正确，可应用于智能决策信息系统的知识库优化。     

关于地形复杂地区地形改正的FTT算法

大面积地形改正的快速计算,对现代大地测量实践具有重大意义,尤其是在那些地形复杂地区。本文通过理论分析选出了一种适于此类地区地形改正计算的FFT算法,并给出了用于实际计算的数学模型。试算结果表明,该模型用于特大山区能够获得与双三次样条棱柱算法精度相当的结果。     

空间方向关系粗糙推理

针对现有的空间方向关系表达模型不能捕获其所固有的不精确性和模糊性这一缺点，把粗糙集理论和方法引入方向关系的表达，提出了方向关系粗糙表达方法、变精度粗糙表达方法以及方向关系的粗糙推理方法，以加强对不精确性和模糊性的处理和分析能力，并能够把模糊对象和精确对象之间的方向关系统一到一个框架中来描述。     

遥感图像识别中粗糙集理论与神经网络的结合

由于传统神经网络与遥感图像信息量不相匹配 ,为此 ,提出将粗糙集理论集成至遥感图像神经网络识别中。首先分析了神经网络与粗糙集理论结合的可能性以及优势 ,在此基础上提出了基于粗糙集的遥感图像神经网络识别模型 ,并就其中的粗糙集方法处理样本特征集模块和遥感图像识别神经网络模块展开详细的分析。通过对比实验数据说明集成粗糙集理论的遥感图像神经网络识别能够有效提高遥感图像的识别效率 ,具有较强的现实意义     

基于云理论、粗集和模糊神经网络的区域橡胶种植适宜度评估模型

针对橡胶种植适宜性评估,基于云理论、粗集理论和模糊神经网络理论,提出了一种适宜度评估模型。该模型将转化的样本数据进行粗集简约,通过模糊神经网络得出评价因子的隶属函数,计算评价等级。研究结果表明,此模型能够科学、快速、准确地分析出橡胶种植最适宜区、适宜区、次适宜区和不适宜区。