Voronoi图在江西省城市网络研究中的应用

本文运用Voronoi图技术分析了江西省的城市网络,发现了江西省城市体系的分布特征和一些显性与隐性的问题。并在分析了江西的具体情况的基础上,针对这些问题给出了丰富江西城市网络结构的具体方法,同时指出了江西的城市体系中潜在的新兴城市。     

Dijkstra 最短路径算法的一种高效率实现

在已存在的一些最短路径算法测试总结的基础上,根据ＧＩＳ中网络计算的实际情况,从网络结构的拓扑表示以及Ｄｉｊｋｓｔｒａ 算法中快速搜索技术的实现入手,提出了一种Ｄｉｊｋｓｔｒａ 最短路径算法的高效率实现方法。     

无监督密集匹配特征提取网络性能分析

随着人工智能的发展,基于深度学习的有监督密集匹配方法在虚拟、室内及驾驶等近景数据集上取得了不错的表现。针对航空影像密集匹配标签数据获取困难的问题,本文在无监督密集匹配框架下,借鉴多个有监督网络结构,分别在航空影像数据集和作为参照的近景数据集上测试了匹配精度,实现了网络结构模块与精度关系的定性分析,为进一步探索深度学习在测绘领域的实用化提供了重要的参考。试验在相同损失函数条件下,分别采用DispNetS、DispNetC、iResNet、GCNet、PSMNetB及PSMNetS网络结构进行测试。经分析,得出如下结论：①测试的网络结构中,PSMNetS在航空影像数据集和近景数据集上表现稳定,且精度最高,训练整体耗时少,具有实用化的潜力;②在监督方法中效果更好的网络结构在无监督方法中效果不一定更好,其精度不仅取决于网络自身的匹配能力,同时也依赖于网络与损失函数的兼容性;③孪生网络模块、相关信息融合模块、金字塔池化模块和堆叠沙漏模块与无监督损失函数兼容性良好,可提升网络精度,而iResNet的图像重构迭代精化模块与重构损失函数重复约束,会产生“负优化”的作用。     

专题图空间点聚合可视化算法研究

在制作数字专题图的过程中,当地图可视区域有大量空间点需要可视化表达时,可通过对这些空间点进行技术综合,对局部空间点分布规律以及密集性进行提取和抽象的方法,达到利用有限区域较客观全面地展示空间点目标分布形态的目的。重点介绍了4种空间点聚合算法的聚合原理;根据算法的聚合过程分析了4种算法的优缺点;并从海量空间点的聚合性能和聚合形态两方面对4种算法进行了测试与对比,最终选取了性能优、可视化效果佳的方格距离点聚合算法作为多重重要防护目标专题图可视化表达的方法。     

Dijkstra最短路径算法的一种高效率实现

在已存在的一些最短路径算法测试总结的基础上,根据ＧＩＳ中网络计算的实际情况,从网络结构的拓扑表示以及Ｄｉｊｓｔｒａ算法中快速搜索技术的实现入手, 一种Ｄｉｊｋｓｔｒａ最短路径算不的高效率实现方法。     

基于多尺度图分解的极化SAR图像分割算法

本文提出了一种基于多尺度图分解的极化SAR图像分割算法。该算法首先构造亲和矩阵,得到无向连接图,然后通过对数据进行多尺度采样,构造多尺度连接图,最后结合规范切准则,引入并行处理思想,实现数据的快速有效分割。其中在构造亲和矩阵时除了利用强度和轮廓参数,还兼顾极化SAR数据的特性,引入了反Wishart距离。最后分别利用星载和机载极化SAR数据进行对比实验,验证了算法的可行性和有效性。     

载体轨迹停留信息提取的核密度法及其可视化

轨迹停留蕴含重要语义信息,其有效提取是开展轨迹Stop/Move模型分析的前提。本文首先依据核密度思想,通过累计邻域点时空贡献来定义轨迹点的停留指数,在此基础上设计了停留指数图,以图形方式直观表达轨迹点的时空聚集程度变化。进一步针对源于停留指数的潜在停留段,提出了一种基于潜在停留段时空临近关系的逐级合并算法,以自动发现和提取停留。试验表明,该算法兼顾停留识别的完整性和准确性,可以有效识别复杂多样的轨迹停留,即使面对噪声严重的轨迹,停留提取的正确率依然较高。     

一种基于小波相位分析的InSAR干涉图滤波算法

为了提高InSAR干涉图的滤波质量,本文在考虑干涉信号在同一尺度内具有相关性的基础上,提出并实现了一种基于小波相位分析的干涉图滤波算法.为检验算法的有效性,选取美国Phoenix地区高信噪比和伊朗Bam地区低信噪比两个真实C波段干涉图进行了滤波实验,通过与中值滤波算法、小波-中值滤波算法比较,证实了小波相位滤波算法是有效的且具有一定的优势.研究表明,不论是高信噪比干涉图还是低信噪比干涉图,小波相位滤波算法都能有效抑制其噪声.     

引入PLSA模型的光学遥感图像舰船检测

提出一种基于概率潜在语义分析(Probabilistic Latent Semantic Analysis,PLSA)的检测算法,首先通过PLSA将目标表述为潜在成分的概率组合,然后利用统计模式识别方法对获取的潜在成分概率进行判别,从而完成最终的检测。其中,生成的潜在成分反映了目标与特征之间相互出现的频率关系,并以潜在成分在目标中概率差异的形式对上述不对应现象给出了直观描述。实验结果表明,所提出的算法对多种复杂情况下的光学图像舰船检测具有很好的准确性和鲁棒性。     

脉冲耦合神经网络支持下的网络Voronoi图构建

针对网络Voronoi图中点与点之间通过实际路径距离而非传统欧式距离相连,在实际应用中较平面Voronoi图更加合理,该文提出了一种基于改进脉冲耦合神经网络的网络Voronoi图构建算法。借助模型的自动波发放及并行处理特性,较好地实现了基于路网的网络空间剖分,顾及了道路网及其点群自身属性对其服务范围的影响。实验表明,该算法实现了点群网络Voronoi图的构建,最短路径思想的引入使得构建的网络Voronoi图符合Voronoi图基本特征,可以用来表示点群的服务范围,不仅如此,算法的并行特性保证了算法的高效率。     

一种基于体素的室内三维连通图自动生成算法

为了能快速计算室内导航路径,必须使用简单的数据结构表达室内复杂的路径导航信息,室内三维连通图就是一种较好的手段。但是传统的室内精细建模重在几何模型的构建和纹理数据采集,缺乏室内三维连通图的构建。针对广泛存在室内几何模型提出一种基于体素的室内三维连通图自动生成算法,对建筑物内部进行分割和填充,将室内空间划分为离散的导航空间,通过自动语义关联提取连通关系,最终生成室内空间三维连通图。     

空间数据的零初始化与障碍空间下的最小生成树实现方法

介绍了障碍空间下的最小生成树实现方法。首先采用零初始化的思想,初始化"位"数据;然后在构建障碍空间下实体点的Voronoi图的基础上,通过障碍空间下的回溯算法得到实体点间的最近连通图,也即障碍空间下实体点之间的Delaunay图;最后根据连通图,采用贪婪策略来得到最小生成树。     

GeoGraphViz: Geographically constrained 3D force-directed graph for knowledge graph visualization

Knowledge graphs are a key technique for linking and integrating cross-domain data, concepts, tools, and knowledge to enable data-driven analytics. As much of the world's data have become massive in size, visualizing graph entities and their interrelationships intuitively and interactively has become a crucial task for ingesting and better utilizing graph content to support semantic reasoning, discovering hidden knowledge discovering, and better scientific understanding of geophysical and social phenomena. Despite the fact that many such phenomena (e.g., disasters) have clear spatial footprints and geographic properties, their location information is considered only as a textual label in existing graph visualization tools, limiting their capability to reveal the geospatial distribution patterns of the graph nodes. In addition, most graph visualization techniques rely on 2D graph visualization, which constrains the dimensions of information that can be presented and lacks support for graph structure examination from multiple angles. To tackle the above challenges, we developed a novel 3D map-based graph visualization algorithm to enable interactive exploration of graph content and patterns in a spatially explicit manner. The algorithm extends a 3D force directed graph by integrating a web map, an additional geolocational force, and a force balancing variable that allows for the dynamic adjustment of the 3D graph structure and layout. This mechanism helps create a balanced graph view between the semantic forces among the graph nodes and the attractive force from a geolocation to a graph node. Our solution offers a new perspective in visualizing and understanding spatial entities and events in a knowledge graph.     

利用知识图谱的国土资源数据管理与检索研究

针对国土资源不同数据产品间难以进行有效管理与快速应用的问题,研究利用图数据库对GlobaLand30、FROM-GLC10_2017、GLC_FCS30_2020等公开土地覆盖数据集进行语义层面的结构化存储,建立中国国土资源知识图谱。构建以行政区划为单位进行土地覆盖数据产品管理、知识提取以及数据获取与更新的新型应用框架,利用基于图的异常数据检索算法探究不同产品间的一致性,提出了一种基于知识图谱的感兴趣图节点快速检索算法。通过引入知识图谱,形成了具有447 817个节点、447 816条关系,且可动态更新的中国国土资源知识图谱,并发现了在覆盖全国的2 875个行政单元中有92个区域单元的产品数据一致性不足60%,区域产品精度可能存在较大误差。充分利用了多源土地覆盖数据产品间的信息,缩短了数据预处理的时间,为中国国土资源的知识化管理与应用提供了新思路。     

基于网络文本迁移学习的旅游知识图谱构建

在线旅游服务模式和海量网络文本的出现为旅游产业规划和用户出游推荐提供了新的信息支撑。然而实时更新的网络文本语义模糊、信噪比低,难以利用,由此,提出了一种基于领域本体和迁移学习的旅游知识图谱构建方法。首先,基于行业规范定义了旅游景点特征体系,建立了以旅游景点为核心的旅游知识图谱,支持景点语义特征的全方位刻画;然后,通过迁移学习方法将预训练语言模型改造为定制化知识抽取器,从网络文本中获取知识三元组,并融合游客足迹、兴趣点语义等信息将分散的相关信息整合为系统性的旅游景点知识图谱。知识抽取实验结果表明,相较于常用的LDA（latent Dirichlet allocation）模型,定制化知识抽取器获取的景点语义知识,其精度与完整性分别提升了50.7%和670%。所构建的旅游景点知识图谱可全面表达现实中的旅游场景,支撑不同尺度下游客行为与市场需求的深入解析,为旅游目的地可持续发展规划提供决策支持。     

基于均值漂移和谱图分割的极化SAR影像分割方法及其评价

提出了一种基于均值漂移和谱图分割的极化SAR(PolSAR)影像分割方法。首先,通过均值漂移算法对PolSAR影像进行过分割处理,并基于Wishart统计分布和假设检验的方法构建边缘检测器,充分利用了PolSAR影像的全极化信息提取边缘信息;然后,在过分割和边缘信息的基础上构建相似性度量矩阵,并采用归一化割准则实现PolSAR影像的分割。该算法充分利用了均值漂移算法过分割的特点,降低了谱图分割算法的运算代价,并结合谱图分割算法全局优化的优点改善了PolSAR影像的分割结果;最后,利用Radar-sat-2全极化影像进行了实验,并采用改进的分割效果评价方法实现了精度评价。实验表明,该算法有效地实现了PolSAR影像的分割,显著提高了谱图分割算法的效率,分割结果优良,分割精度优于eCognition软件中的多尺度分割方法。     

多源异构数据的大规模地理知识图谱构建

虚拟地理环境作为新一代的地理语言,需要通过对多源异构时空数据的分析与挖掘,构建虚拟地理环境知识工程,实现“数据—信息—知识—智慧”的转化,促进智能虚拟地理环境系统中地理知识的快速转换和融合,从而为虚拟地理环境中地理信息的智能化处理、地理知识的智慧化服务提供支撑。知识图谱是人工智能与虚拟地理环境知识工程相结合的桥梁。本文系统评述了知识图谱、地理知识图谱的研究现状,提出了地理知识图谱的构建流程,重点研究了地理知识图谱构建的关键技术,讨论和阐述了地理知识图谱的应用方向。本文的研究将有助于实现地理信息的知识化,提高虚拟地理环境系统的智能化服务水平。     

A spatially explicit reinforcement learning model for geographic knowledge graph summarization

Web‐scale knowledge graphs such as the global Linked Data cloud consist of billions of individual statements about millions of entities. In recent years, this has fueled the interest in knowledge graph summarization techniques that compute representative subgraphs for a given collection of nodes. In addition, many of the most densely connected entities in knowledge graphs are places and regions, often characterized by thousands of incoming and outgoing relationships to other places, actors, events, and objects. In this article, we propose a novel summarization method that incorporates spatially explicit components into a reinforcement learning framework in order to help summarize geographic knowledge graphs, a topic that has not been considered in previous work. Our model considers the intrinsic graph structure as well as the extrinsic information to gain a more comprehensive and holistic view of the summarization task. By collecting a standard data set and evaluating our proposed models, we demonstrate that the spatially explicit model yields better results than non‐spatial models, thereby demonstrating that spatial is indeed special as far as summarization is concerned.     

Deeply integrating Linked Data with Geographic Information Systems

The realization that knowledge often forms a densely interconnected graph has fueled the development of graph databases, Web‐scale knowledge graphs and query languages for them, novel visualization and query paradigms, as well as new machine learning methods tailored to graphs as data structures. One such example is the densely connected and global Linked Data cloud that contains billions of statements about numerous domains, including life science and geography. While Linked Data has found its way into everyday applications such as search engines and question answering systems, there is a growing disconnect between the classical ways in which Geographic Information Systems (GIS) are still used today and the open‐ended, exploratory approaches used to retrieve and consume data from knowledge graphs such as Linked Data. In this work, we conceptualize and prototypically implement a Linked Data connector framework as a set of toolboxes for Esri's ArcGIS to close this gap and enable the retrieval, integration, and analysis of Linked Data from within GIS. We discuss how to connect to Linked Data endpoints, how to use ontologies to probe data and derive appropriate GIS representations on the fly, how to make use of reasoning, how to derive data that are ready for spatial analysis out of RDF triples, and, most importantly, how to utilize the link structure of Linked Data to enable analysis. The proposed Linked Data connector framework can also be regarded as the first step toward a guided geographic question answering system over geographic knowledge graphs.     

Applications of graph theory to gross error detection for GPS geodetic control networks

This paper describes a broad perspective of the application of graph theory to establishment of GPS control networks whereby the GPS network is considered as a connected and directed graph with three components. In this algorithm the gross error detection is undertaken through loops of different spanning trees using the “Loop Law” in which the individual components ΔX, ΔY and ΔZ sum up to zero. If the sum of the respective vector components ΩX, ΩY and ΩZ in a loop is not zero and if the error is beyond the tolerable limit (ε>ω), it indicates the existence of gross errors in one of the baselines in the loop and therefore the baseline must be removed or re-observed. After successful screening of errors by graph theory, network adjustment can be carried out. In this paper, the GPS data from the control network established as refence system for the HP Dam at Baishan county in Liaoning province is presented to illustrate the algorithm.