建筑群邻近关系相似性计算

以建筑群的邻近关系为研究对象,在相似性理论的基础上,利用Delaunay三角网和Voronoi图,建立了基于相同特征量的邻近关系相似性模型和基于等距离关系曲线的邻近关系相似性模型,用于邻近关系相似性的定量化计算和判断。     

基于邻近模式的多比例尺居民地松弛迭代匹配

空间目标匹配是实现多源空间信息融合、空间对象变化检测与动态更新的重要前提。针对多比例尺居民地匹配问题,提出了一种基于邻近模式的松弛迭代匹配方法。该方法首先利用缓冲区分析与空间邻近关系检测候选匹配目标与邻近模式,同时计算候选匹配目标或邻近模式间的几何相似性得到初始匹配概率矩阵;然后对邻近候选匹配对进行上下文兼容性建模,利用松弛迭代方法求解多比例尺居民地的最优匹配模型,选取匹配概率最大并满足上下文一致的候选匹配目标或邻近模式为最终匹配结果。实验结果表明,所提出的多比例尺居民地匹配方法具有较高的匹配精度,能有效克服形状轮廓同质化与非均匀性偏差问题,并准确识别1:M、M:N的复杂匹配关系。     

一种空间关系相似性约束的居民地匹配算法

从分析人在寻找陌生地物时的思维习惯入手,在居民地匹配过程中引入了空间关系相似性约束。对两个居民地之间的拓扑关系、距离关系和方向关系的相似性进行了分析,并提出了符合人认知习惯的离散化计算方法。在匹配过程中,以突出居民地作为起始对象,以已匹配居民地作为参照,对未匹配居民地按空间邻近原则进行广度优先搜索,利用空间关系相似性约束来缩小匹配目标备选集,实现了空间关系有序的精确匹配。最后,对已匹配对象实施了基于邻近对象空间关系相似性校验的匹配质量检查。实验结果表明,该算法在待匹配数据位移较大、居民地对象形状同质化较高的情况下优势明显,能够有效提升匹配精度。     

一种改进的面目标间方向关系相似性计算模型

在分析Goyal提出的经典方向相似性计算模型的局限和不足的基础上,对方向相似性的计算模型从以下3个方面进行了改进:首先,拓展了方向关系矩阵模型的使用范围,使其能够表达和计算有面群参与的方向关系;其次,从人们对方向差异认知的角度出发,对由单元素方向关系矩阵表达的各基本方向之间的方向距离的定义进行了改进;最后,提出利用最小元素法对多元素方向关系矩阵之间方向距离进行计算,计算原理和方法更为简单。实验证明,该改进模型计算的方向相似性值与人们对方向差异的认知相一致,而且计算方法简单,具有更广泛的适用性。     

基于栅格数据的面状目标空间方向相似性研究

提出了基于栅格数据的面状目标之间的两种空间方向相似性的计算方法：利用栅格数据的特征和方向关系矩阵计算空间方向相似性；基于单个栅格单元与参考目标之间角度的变化计算面状目标之间空间方向相似性。这两种方法简化了由Goyal提出的基于方向关系矩阵模型计算空间方向相似性的方法，克服了方向产生某些细微变化时的限制，在计算面状目标空间方向相似性时具有更广泛的适用性。     

利用邻域相似性的居民地要素增量更新质量评估

针对增量更新过程中只对变化对象进行更新的特点,从更新对象的邻域空间相似性入手,以居民地要素为例,对更新对象和源对象的几何相似性及其邻域内对象之间的空间关系相似性进行了形式化表达和计算,基于评估可信度最大化原则确定了对象评估顺序,并根据邻近对象的不同特点设计了两阶段评估流程。实验表明,该方法将评估区域限定在了更新对象邻域范围内,能够有效地发现尺度变换过程中实体及其空间关系错误,提高了更新系统的可用性。     

基于方向关系矩阵的空间方向相似性计算改进模型

空间方向关系作为空间关系的一个重要分支,其相似性研究已成为地理信息科学领域的热点问题。对于Goyal提出的基于方向关系矩阵计算空间方向相似性模型进行以下两个方面改进:首先通过方向关系的反转运算计算对象目标与参考目标的最小投影矩阵在包含或相交情况下的空间方向关系,扩展了方向关系矩阵的使用范围;其次利用运筹学中解决平衡运输问题的伏格尔法计算两个多元素方向关系矩阵之间的方向距离,克服了由平衡运输表中元素位置变化而引起方向距离变化的局限。通过实例证明该方法计算简单,得到的方向距离更优,相似性更加准确。     

一种基于复合表达模型的方向相似性算法

复合表达模型结合了锥形模型与方向关系矩阵模型的优点,较好地顾及了目标的形状、大小和距离对方向关系的影响,但该模型仅能对两目标之间的方向关系进行定性描述,对于两目标间的方向关系相似性尚未进行研究。本文在对复合表达模型的方向关系矩阵进行优化的基础上,建立一种基于复合表达模型的面目标方向关系相似性计算模型,将该模型的相似值计算转化为交通运输最小代价问题求解。通过认知实验验证了算法的科学性,同时比较实验说明该算法精确度更高。     

轨迹数据的非关系管理及相似性分析

针对高动态、半结构化的轨迹数据,充分利用文档型非关系数据库MongoDB的特性,本文首先提出了一套分层、分区、分片的存储策略,设计了以整条轨迹为基本粒度的非关系组织模型,能够有效应对轨迹数据的海量性和动态性挑战。然后据此开展轨迹相似性分析的研究,提出了一种兼顾时间维和轨迹形状的轨迹相似性度量方法DTWEUCLI,可计算长短不一且含有噪声的轨迹数据之间的相似性。最后基于轨迹的非关系存储和相似性计算,开展了轨迹簇生成的试验与分析,设计实现了基于轨迹相似性计算的轨迹聚类计算框架。基于3个轨迹数据集的试验表明,DTWEUCLI算法能够对多源轨迹数据集进行有效聚类,输出轨迹簇。     

面向地理实体的语义相似性度量方法及其在道路匹配中的应用

语义相似性度量是实现多源矢量空间数据集成与融合的关键技术。首先以地理实体为研究对象,从矢量空间数据表达视角对地理实体的语义信息进行分析与描述,提出基于多特征约束的语义相似性度量模型。然后该模型将地理要素分类关系作为控制条件提取目标实体集,在构建实体间语义特征对应关系的基础上引入属性特征熵的概念,计算不同特征的权重值,进而综合多特征相似性来度量地理实体的整体语义相似程度。最后将该模型应用到道路实体匹配实验中,通过计算实体之间的语义相似性实现匹配,验证了该模型的有效性。实验结果表明,基于多特征约束下的语义相似性度量模型能够合理计算地理实体的语义相似度,且提高了地理实体语义匹配效率。