道路网智能选取的案例类比推理法

从人类学习和认知角度,借鉴人工智能领域基于案例推理学习的成果,提出一种基于案例类比推理的道路网智能选取新方法。该方法将制图专家对某区域道路网的交互选取结果作为参考标准,对其进行结构化描述并构建和转化为案例库;计算机采用一定的简化算法和泛化算法对该案例库进行分析和学习,获取检索效率更高和适应样本能力更强的案例模型库;计算机在对相似道路网自动选取时,根据获取的案例模型库,采用基于案例类比推理的方法,分析获取相应的解决方案,进而完成道路网智能选取。与已有研究成果相比,本方法以案例及其泛化模型来模拟专家思维,以计算机对案例模型的类比学习来进行相似道路网自动选取,增强了道路网选取中的智能性。最后对本方法的科学性和适用性进行验证,并对试验结果作分析和评价,同时指出了存在的问题和进一步的研究方向。     

案例推理的制图综合应用背景与方法

从挖掘和利用经验数据的角度出发,提出了基于案例推理的智能化制图综合方法。首先探讨了基于算法和模型的自动综合实现方式所面临的瓶颈,并提出了采用制图综合案例推理辅助制图综合的思想;然后设计了制图综合专家案例的三元表示方法,以及获取、使用和管理流程;最后对实现该基于案例推理的智能化制图综合方法的五个关键性步骤进行了分析,并深入阐述该方法的原理和可行性,提出了基于案例推理的智能综合辅助系统架构。     

采用决策树算法进行居民地自动综合

借鉴人工智能领域中的机器学习研究成果,提出一种采用决策树算法进行居民地智能选取的新方法。将制图专家对居民地综合的结果作为参照,对其进行结构化描述并构建和转化为案例库;采用决策树算法对案例库中的案例进行分类,把制图综合问题转化为分类问题,从案例库中归纳出if-then规则,进而指导同类居民地的自动综合。试验验证,算法能够较好地还原专家的选取规律,在同类型的居民地自动综合试验中取得了良好的效果。     

基于案例推理的居民地选取方法

针对当前中小比例尺地图中居民地选取面临的专家制图经验难以形式化表达的问题,提出一种基于案例推理的居民地选取方法。首先,把制图专家对居民地交互选取结果作为案例对象,挖掘居民地案例的属性特征指标,对属性赋值和归一化处理;然后,采用逐步消元法对居民地最佳属性组合进行选择,并构建源案例库;最后,采用案例推理方法,结合KNN算法,训练案例库确定KNN算法的最佳K值,将新案例与源案例库检索匹配,得出最佳决策结果,进而指导待决策居民地的自动选取。经试验验证,该方法能够较好地还原专家的选取意向,具有较好的抗噪声能力,在面状居民地自动选取中取得了较好的效果。     

ID3决策树推理模型及其在道路网选取中的应用

介绍了自动制图综合中知识推理的研究现状及存在的问题,指出了借鉴人工智能优秀技术成果提升自动综合智能化水平是解决当前问题的重要途径之一。对ID3智能算法的基本原理进行了详细介绍,提出基于ID3决策树的知识推理模型。将该模型引入到道路网智能化选取当中。对该模型应用到道路网自动选取的合理性进行了论述,并进行了实验验证。在对实验结果进行详细分析的基础上,探讨了该算法应用于道路网选取的优势和不足,指出了进一步研究的方向。     

基于BP神经网络和拓扑参数的道路网选取研究

道路网选取是自动制图综合的重点和难点之一,运用智能化方法实现选取是当前研究的热点。BP神经网络具有强大的非线性映射能力,可以模仿人脑机能,通过对样本的学习和训练实现自动选取;结合拓扑参数,可以使选取结果很好地保持原道路网的连通性和整体结构特征。因此,提出一种基于BP神经网络和拓扑参数的道路网选取方法。首先选择训练样本并计算其拓扑参数;然后设计BP神经网络的结构,利用训练样本进行训练,找出最佳网络结构;最后选取不同特征的道路网进行实验,将选取结果与专家选取的结果进行对比分析,评价了该方法的优势与不足,并指出了下一步的改进方向。     

专题地图设计辅助案例库建设的若干问题

地图制图案例是地图制图经验与知识组织与管理的基本单元。专题地图设计辅助案例库建设旨在构建一个独立于制图人员的地图制图经验与知识持续积累、有效融合与便捷再应用的系统与方法。文章立足于地图生产的现实需求,从工程化视角介绍了地图设计辅助案例库建设的研究内容与基本思路,重点对专题制图案例模板的内容设计进行了论述。地图制图案例库建设与应用为实践中地图设计水平与地图生产效率的持续提高提供了有效的支持。     

线要素化简及参数自动设置的案例推理方法

目前,线要素化简的人机协同机制研究得较少,化简算法的选择以及参数设置依赖于人工反复修正,影响了算法的易用性。针对该问题,提出了通过案例进行类比推理得到线要素化简算法及参数的寻优方法。该方法采用案例推理(case-based reasoning,CBR)思想,计算机参考专家化简案例,通过相似性评价指标和参数寻优策略对参数候选集进行类比推理,自动筛选出与案例同一类区域和比例尺下的线要素化简算法及参数的最佳设置,从而省去制图员不断试错的繁琐过程。实验结果表明,该方法能够自动得到算法和参数的最优组合,化简结果与已有成果数据吻合度较高,能够有效地提高参数设置的效率和准确性,降低化简算法工具的使用难度。     

面向居民地要素智能化综合的样本库构建

以深度学习为代表的人工智能技术为制图综合智能化水平的提升创造了有力的条件.然而,智能学习模型的应用依赖高质量的样本数据,目前还缺乏适宜制图综合知识学习的案例数据集.以不同比例尺居民地要素综合为例,深入探讨服务于智能化制图综合的样本数据采集建库方法.主要工作包括:依据地图数据组织特点和制图综合过程决策需求,提出了区分特征型案例和变换型案例的样本数据组织体系以及相关的数据结构设计;基于通用GIS平台设计了样本数据采集与管理系统,形成对样本数据采集、存储、修正、更新等全链条的管理维护框架.本研究是针对图形表达的地图要素如何构建案例数据集的有益探索,对推动以制图综合为代表的复杂地图空间知识学习具有积极意义.     

基于SOM的高分辨率遥感影像道路网自动提取

本文研究基于SOM(Self-Organizing Feature Map)神经网络学习模型的高分辨率遥感影像道路网自动提取算法。首先利用数学形态学提取遥感图像道路的初始道路区域信息,自动对原始图像进行分区并确定神经元初始权值,用SOM网络学习模型对神经元进行训练学习,经迭代获取道路网中心点位置,最后运用"中心点四邻域跟踪判别法"跟踪连接形成道路中心线。实验表明,该方法在高分辨率遥感影像道路网的提取上有较好的效果,特别在主干道路网的提取上效果更佳,对噪声干扰具有良好的鲁棒性。     

地图数据缩编更新中的道路自动选取研究

总结道路选取的研究现状,分析在道路的缩编更新过程中,道路要素选取需要考虑的要素指标。介绍一种道路选取方法,综合考虑道路的等级、长度、网眼面积、区域道路密度、是否是悬挂链等几何、语义和拓扑信息,模拟人类在缩编更新时的思维过程,实现道路的自动选取,并进行试验,验证方法的有效性。     

地图综合智能化研究的发展与思考

地图综合是地图制图和多尺度空间数据变换的核心与关键技术。20世纪60年代以来,数字地图数据的自动综合研究逐渐展开并取得了长足的进步,囿于人工智能技术的限制,地图综合的智能解决方法虽有不少成果,但距离真正的智能化、实用化仍有一定的距离。近年来,以深度学习为代表的人工智能技术应用于诸多研究领域并取得显著成效,地图综合的智能化研究也有诸多新的尝试。首先,在归纳自动地图综合研究模式的基础上,阐述了智能地图综合研究的必要性;然后,结合人工智能发展历程回顾智能地图综合研究,梳理和分析了基于传统机器学习与基于深度学习的智能地图综合研究现状,并归纳了地图综合智能化研究的主要方法;最后,围绕地图综合智能化研究中的几个热点问题,探讨了智能地图综合的发展趋势。     

多源道路智能选取的本体知识推理方法EI北大核心CSCD

大数据时代道路数据来源日益增多,跨数据源的道路选取面临巨大挑战。本文针对数据语义不一致问题,提出一种基于本体知识推理的多源道路选取方法。首先,将1∶5万基本比例尺地形图道路数据作为基础案例,将四维图新导航电子地图和开放街道地图中的道路数据作为试验数据,基于stroke计算道路等级、长度、连通度、接近度、中介度特征项,提取特征项概念并构建本体;然后,从语义特征项和数值特征项两方面计算本体概念相似性,建立基础案例与试验数据间的关联关系;最后,基于本体和语义网规则语言定义本体通用、语义特征、数值特征三类选取规则,实现跨数据源道路选取的过程性知识推理。试验表明,本文方法可基于本体概念相似性度量消除语义差异,同时利用语义网规则语言进行知识推理,可实现多源道路数据向基本比例尺数据的智能选取。     

一种用于道路网综合的拓扑处理方法

道路数据拓扑化是进行道路自动综合和其他分析、操作的基础。总结了6种实用的线与线之间的空间关系,阐述了道路数据拓扑化的必要性,提出了一种道路数据拓扑化描述的方法,介绍了这种适用于道路网综合的拓扑化处理的基本步骤,并对其中的自动断链技术、结点匹配技术和构建多边形技术进行了详细说明,最后通过实验系统对该方法进行实现,通过实验验证了该方法在理论上是正确的,在实践上是可行的。     

数字海图线性特征的识别、量测与综合

图形特征的变化是无究的,只是依据与位移、夸大、化简等相似的综合方法,而不包含图形特征的识别与量测,数字海图的自动综合是无法实现的。只有识别、量测和综合方法的组合,才是数字海图综合概念的全部体现。因而,本文模拟人的综合方法的同时, 点模拟了人的图形特征的识别方式,同时,经过Ｄｏｕｇｌａｓ二叉树方法的引入,给出了图形特征的识别与量测函数,实现了数字海图红性特征的自动综合。     

自动制图综合链理论与技术模型

为满足地图生产自动化和GIS中对自动制图综合的迫切需求,必须研究新的理论、方法和模型。在充分探讨制图综合现状和存在问题的基础上,系统研究自动制图综合链理论与技术,把抽象的制图综合操作过程化、任务化、步骤化,并把制图综合任务转化为计算机环境下自动执行与优化的可执行操作链,从而达到提高制图综合自动化、智能化水平的目的。     

基于复杂网络的城市道路重要度评价及路网自动综合方法

利用复杂网络理论,构建城市复杂路网模型,基于该模型从道路的结构和功能特征角度,以连接度、介中心和接近度为度量指标定义道路重要度评价模型,并顾及路网的整体形态及路网的拓扑连通性,提出基于复杂网络理论的路网综合算法。为检验方法有效性,针对成都市道路网络进行实验分析。实验结果表明,该道路重要度评价模型较好地反映道路在整个路网结构和功能上的重要程度,复杂路网综合算法能较好地保持原始路网的整体形态结构特征。     

图卷积网络在道路网选取中的应用

针对现有制图综合中的道路网自动选取方法不能有效地利用道路网的空间特征问题,该文把道路网抽象为图结构,提出了使用图卷积网络来进行道路网的自动选取,并比较分析了不同的图卷积网络在道路网选取中的适用性。结果表明,图卷积网络可以通过多层卷积来自动提取不同局部范围的空间特征,从而减少空间特征的人工构建,相比传统的多层感知机(MLP)等人工智能选取方法,具有更高的选取精度。对于不同的图卷积网络模型,使用最大池化聚合的GraphSAGE获得了最优的性能。