共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
图斑面的聚类处理是挖掘图斑空间知识的重要手段。针对当前图斑面大小不一、形态各异、分布不均等导致聚类结果不够准确的问题,同时为满足大规模图斑数据分析的需要,本文引入多密度属性计算指标,提出了一种图斑数据的聚类方法。首先,根据单个图斑内部点位置(包含边界)的不同赋予其多个密度属性;然后,根据图斑间密度低值向密度高值靠拢的趋势建立图斑归属连接,依次生成图斑要素的树状结构连接;最后,依据树状结构连接的结果对各连接进行剪枝或合并,生成多个独立树,完成图斑面的聚类。试验证明,本文方法可以有效识别各类不规则图斑的聚合集群,并在大规模图斑数据的聚合中具有良好的精度表现,满足高密度多边形区域的聚类识别需求。 相似文献
5.
提出一种基于直接剖分的球面四边形离散网格生成方法,将该方法生成的四边形网格与基于QTM(四元三角网)扩展的四边形网格的面积形变进行对比分析。根据实验数据可知,基于QTM扩展的四边形网格最大与最小面积比值随着剖分层次的增加而增大,最后会收敛到2.1;基于直接剖分的球面四边形离散网格最大与最小面积比值随着剖分层次的增加而增大,且不收敛,但此网格在中间恒定、连续的大片区域,网格最大与最小面积比值随着剖分层次的增加最终收敛到1.3。 相似文献
6.
通过分析图斑净面积的计算公式,在图斑编码的基础上,运用FME实现了图斑净面积量算工作的流程化和自动化。与其他方法相比,基于FME的图斑净面积计算方法具有操作简单、易于实现和不用编程的特点。 相似文献
7.
8.
针对土地利用规划地图数据更新过程中因地块调入调出产生的碎图斑的识别问题,该文在深入分析样本数据特征的基础上提出一种结合多级阈值与 自组织特征映射(SOM)神经网络的碎图斑识别方法.首先通过面积和最大内角阈值排除不符合碎图斑特征的多边形;再将矩形度、圆形度、最小内角以及延展度作为特征向量输入训练好的SOM聚类模型,基于多边形特征相似性识别碎图斑,较好地弥补了 目前制图实践中大量采用的统一面积阈值法指标选取单一、主观性强的不足,实现了碎图斑的准确识别.以福州市长乐区和福清市土地利用规划调整建设用地管制区数据为样本的验证实验表明,该文方法的识别精度与稳定性(针对不同区域数据的适应性)均优于目前制图实践中大量采用的统一面积阈值法. 相似文献
9.
图斑形状特征对原面积中误差公式的修正——一个面积中误差估算模型 总被引:3,自引:0,他引:3
本文考虑到多边形图斑形状特征对面积量算误差的显著影响,用一“特征参数”T,将图斑形状特征量化。经参数T修正的面积中误差估算公式有较低的“偏离度”,且数学形式简单,采用修正模型可设定新的面积量算容许误差,并可改进图斑面积平差的传统方法。 相似文献