基于支持向量机的线化简方法

线要素化简是地图自动综合中的重要部分之一。当前线化简算法的参数和阈值一般依赖于人工设定,且对不同的化简环境缺乏自适应学习能力。将线要素化简视作一种对局部化简单元的取舍二分类问题,从案例学习的角度出发,提出了一种新的基于支持向量机(support vector machine,SVM)的线化简方法。该方法首先以节点和弯曲为化简单元,从专家化简结果中自动获取化简案例;然后提取化简单元的特征描述项作为化简案例的属性空间,利用SVM机器学习方法进行训练,得到用于线化简的SVM分类器;最后通过SVM分类器对新的同类线要素中的化简单元作取舍分类,从而实现线化简。实验结果表明,该方法能够通过学习专家化简案例,在实际测试中较好地还原专家的化简意向,对化简单元取舍的分类正确率高,能够自适应地完成线化简。     

提高线要素匹配率的动态化简方法

矢量线要素匹配是当前空间数据匹配领域的研究焦点之一。本文提出了一种提高已有匹配算法正确率的线要素动态化简方法。首先,对待匹配双方利用开方根规律分别确定各自的化简阈值范围;其次,令化简参数在线要素各自的阈值范围内以一定的步长变化,对每条线要素分别进行化简,每完成一次化简,重新计算待匹配双方的匹配相似度,并与上一次化简后的匹配相似度进行比较,最终得到最高的匹配相似度值;最后,根据获取的最高匹配相似度来判断其是否成功匹配。该算法是一种以动态化简来带动动态匹配的过程。通过化简提取线要素主要形态,降低了局部细节对已有匹配算法的影响,从而提高了匹配正确率。试验验证及对比分析证明了本方法的科学性和普适性。     

曲线拟合的Douglas-Peucker算法阈值优化选择

通过迭代法得到Douglas-Peucker算法阚值与线要素化简质量相关特定属性的样本数据;利用曲线拟合法得到阈值与线要素长度和点数之间的函数关系;分析给定区间上阈值-点数关系函数的曲率,寻求最大曲率点对应的阈值作为化简算法最优阈值.从定性和定量两方面揭示了化简算法阈值选择对化简结果的影响规律,提出化简阈值的优化确定方法.适用于利用Douglas-Peucker算法化简海量线要素数据时分析化简阈值的影响及确定化简算法最优阈值.     

采用斜拉式弯曲划分的曲线化简方法

线要素化简一直是自动制图综合中的重要研究内容。分析已有线化简算法在线弯曲形态保持和单调弧段划分时只考虑一侧等不足,提出线要素的斜拉式弯曲划分和化简新方法。该方法对线要素采用斜剖方式划分弧段,兼顾线要素两侧的弯曲形态;识别出每个划分的单调弧段是U型弧段还是V型弧段,是大弧段还是小弧段,从而分别对其进行不同的处理;在处理过程中,每化简完一个单调弧段,重新对线要素进行弧段划分,然后再次对每个单调弧段进行化简,以此类推,因此该算法是一种动态化简过程。实例显示,本算法在线要素特征点保持、u型弧段和V型弧段保持、大弯曲的保持、整体形态保持等方面非常有效,且化简率非常高,充分证明本算法的科学性和优越性。     

线要素化简算法的时间复杂度分析

线状要素是地图中数量最大、要素类型最多样的要素,其化简在地图自动综合中占据了重要的地位.目前对线状要素化简算法的改进、化简质量、化简精度等方面的研究较多,对线状要素化简算法的效率研究较少.此处是在兼顾化简质量的前提下研究算法效率,通过分析化简算法约束参数的特征,将线状要素化简算法分为6类,选取其中的几个典型算法,分析了其时间复杂度,并按照线状要素化简算法的时间复杂度将其分为线性算法和非线性算法两类,初步探讨了适合这两类算法的并行计算方法.     

转角法实现长度约束矢量线要素化简

矢量线要素化简是矢量地理信息处理中的一种重要方法.在抽稀法化简算法基础上提出了转角法实现长度约束矢量线要素化简方法.在线要素合理形状和位置精度范围内,该方法可以实现化简前后线要素长度变化最小,提高了线要素长度属性的表示精度,从而使化简后地理数据在线要素长度统计与线要素长度实时分析等领域具有更高的应用精度和可信度.     

顾及局部特征的线状要素制图综合

针对传统的线状要素化简方法难以准确描述线要素局部结构特征的问题,该文提出了一种顾及局部结构特征的线状要素制图综合方法。引入m阶邻居坐标点概念,分析坐标点对线要素局部结构特征的贡献程度;建立了局部结构特征度量方法,实现了简单线要素的自动化简;基于该化简过程,从拓扑不变性角度顾及线状要素的整体形态及不同线状要素之间的拓扑关系,实现了复合线划网络的自动综合。基于对简单线划目标和复杂线划网络的实验结果表明:通过调整m的取值,可以完成不同尺度下线要素的自动制图综合,且化简结果较好地保持了原始线划要素的整体形态特征。     

基于遗传算法的线要素自动化简模型

线划要素是地图上大量存在的最基本的地图要素，作为自动综合的一个重要方面，它的化简受到了极大的关注。在分析总结现有线划要素化简方法的基础上，依据遗传算法的基本原理和方法，建立了地图上线划要素的化简模型，并讨论了基于遗传算法的线要素自动化简方法中的关键问题，给出了具体的操作步骤和实验结果。结果表明，利用遗传算法对线要素进行化简能够比较好地保持线要素的整体形状，同时还对点具有很高的压缩率。     

基于线要素动态化简的匹配算法比较与评价

矢量线要素数据来源多样,细节层次不一,限制了已有匹配算法正确率的提高,同时也给算法评价带来困难。化简可以减少线要素细节层次,提取其主要形态,据此提出一种基于线要素动态化简的匹配算法评价新方法。对不同匹配算法采用相同数据,在相同化简算法支撑下进行匹配,从而实现对不同匹配算法的评价。首先,阐述动态化简方法提取线要素主要形态的过程;其次,利用动态化简分别辅助4种已有匹配算法,获取每个匹配算法的最优匹配正确率;最后,将4种匹配算法的原始匹配结果与加入动态化简后的匹配结果进行对比,分析化简对匹配结果的影响,并把该影响运用到匹配算法的比较和评价中来。其中,1通过匹配正确率变化、误匹配等分析了匹配算法的数据适用性;2通过化简比例系数K变化时新增匹配数量的统计,评价了匹配算法对线要素局部细节的敏感程度并提出该指标的量化方法;3结合匹配算法采用的匹配相似度指标对其作出评价。     

线要素化简算法的传递误差模型

在分析了算法对线要素化简过程中对其邻近其他地理要素的空间精度和空间关系产生影响的基础上,提出了线要素化简算法误差传播的研究方法,建立了线要素化简算法的传递误差模型,并利用误差椭圆将模型可视化。最后针对不同线要素,对不同算法的传递误差进行了分析和评估。     

保持弯曲特征的线要素化简算法

线要素综合是地图综合的重要组成部分,其中尤以化简最为突出。在分析国内外线要素化简相关文献的基础上,提出了一种保持曲线弯曲特征的线要素化简算法。该方法采用保持可视弯曲特征的化简思路,在弯曲取舍的过程中对约束条件进行量化处理,较为准确地描述了弯曲化简前后的变化情况,经过实验检验,化简取得了较好的效果。     

基于OpenMP的Li-Openshaw算法并行计算方法

随着网络地图、移动地图的发展,对地图自动综合效率的要求不断提高;并行计算技术已经在遥感图像处理、计算几何等方面显示出优势。本文尝试将地图综合算法与并行计算方法相结合,探讨地图综合算法效率提高的方法;并通过对Li-Openshaw线要素简化算法的分析,探讨了在多核处理器环境下该算法的并行计算策略,基于OpenMP实现了Li-Openshaw算法的并行计算,最后通过实验验证了基于OpenMP的Li-Openshaw线要素化简算法在效率上的提高。     

基于层次信息量的线要素化简算法性能评价研究

化简算法是地图综合的一类基本算法,而算法性能评价是解决算法优化和算法选取的一个重要问题。现有评价指标更多地考虑要素化简前后的位置偏移,难以客观地评价算法性能。为此,本文以线要素为例,全面考虑线要素化简原则,从信息传递的角度,提出一种基于层次信息量的线要素化简算法性能评价方法。首先将线要素的信息划分为三个层次来描述,即：元素层次、邻域层次和整体层次,并发展相应的信息量计算方法。然后,从化简后各层次信息量的保持能力（或信息传递能力）来评价线要素化简算法的性能。其中,元素层次信息传递比评价关键点保持性能;邻域层次信息传递比评价弯曲保持性能;整体层次信息传递比评价整体形态保持性能。最后,以河网为例,采用层次信息量指标,对四种经典化简算法进行评价,分析验证了层次信息量评价指标的合理性,与经典评价指标的对比分析进一步验证了该指标的优越性。     

化简方法在线要素匹配中的应用及性能评估

多源同名线要素数据局部细节差异较大,但整体形态基本上是一致的,化简算法可以删除线要素的局部细节,提取其主要形态,从而有助于匹配算法提升匹配正确率。不同化简算法的化简效果存在差异,提升匹配正确率的效果也存在差异。本文提出了利用线要素匹配来评估化简算法性能的方法。首先,阐述了动态化简带动动态匹配的方法和过程;其次,采用3种不同的化简算法进行试验,验证了所提方法提高已有匹配算法匹配正确率的有效性,以及对化简算法的普遍适用性;最后,根据加入3种化简算法的不同匹配结果,从匹配的角度对化简算法适用性进行了比较评估。     

基于约束条件的线要素化简算法质量评估

随着制图综合质量评价越来越受重视,对地图要素中所占比例最大的线要素的化简算法进行质量评估变得十分必要。结合线化简算法自身的特点,从几何和语义两方面总结了线要素在化简过程容易出现的问题,在分析线要素化简应满足的约束条件的基础上,提出对算法实施评估的评价指标,并选择水平中误差等三种评价指标对三种线化简算法具体实施质量评估。试验结果证明了本文提出的评估方法的科学性。     

一种顾及空间关系约束的线化简算法

线要素化简在制图表达与综合领域一直是研究的热点和难点之一。然而,经典化简算法多针对单独线要素进行处理,缺乏对该线要素与周边线要素之间整体空间关系的考虑,并且,存在计算结果生硬(D-P算法)、局部极值点缺失,特别是在曲度较大之处出现相交异常(L-O算法)等问题。为此,本文提出一种顾及空间关系约束的线化简算法,建立线要素全局化简方法(LGSM)和矢量位移、面积位移等5类评价指标。采用等高线、河流和道路3类线要素实际数据进行了试验,充分检验了本文算法的优越性,其处理结果符合开方根模型规律,降低了曲线复杂度,在保证全局空间关系不变条件下,不仅更好地保持了曲线整体形状特征,而且光滑美观、精度高。     

线状要素化简算法的分析与评估

线状要素是地图中量最大、形式最多样的要素,它们的化简在自动制图综合中非常重要。目前对线状要素化简的算法研究较多,但其化简质量却少有研究。针对化简算法的基本要求,提出了易于操作的评估化简算法质量的6个方面:面积差、弯曲度、最大拐角比率、化简变化趋势、化简结果一致性和自相交性。通过大量实验,比较了Douglas-Peucker等算法的化简效果,最后对化简中的自相交问题提出了相应的改正措施。     

线状要素化简算法的分析与评估

线状要素是地图中量最大、形式最多样的要素,它们的化简在自动制图综合中非常重要.目前对线状要素化简的算法研究较多,但其化简质量却少有研究.针对化简算法的基本要求,提出了易于操作的评估化简算法质量的6个方面:面积差、弯曲度、最大拐角比率、化简变化趋势、化简结果一致性和自相交性.通过大量实验,比较了Douglas-Peucker等算法的化简效果,最后对化简中的自相交问题提出了相应的改正措施.     

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。     

采用案例类比推理进行道路网智能选取

自动制图综合的智能化研究因受人类复杂思维制约,长期以来成为研究的薄弱环节。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,弥补了传统道路网选取中智能性差的缺陷,为自动综合智能化研究找到了一条可行途径。论文最后对本方法的科学性和适用性进行了验证,并对实验结果做了分析和评价,同时指出了存在问题和进一步研究方向。