顾及通名语义的汉语地名相似度匹配算法

地名匹配是地理信息检索、多源地理空间数据集成及更新中的关键技术问题。本文根据规范汉语地名构词特点,依据地名通名与地名类型的关系,建立规范地名通名语义知识库,并将由其提供的地名语义作为地名相似度匹配的重要指标。针对基于字面和空间数据的地名匹配方法存在的不足,面向规范地名提出一种综合了地名专名字面相似度和地名通名语义相似度两种因素的复合相似度匹配算法模型。该模型模拟人的认知习惯,根据通名语义相似度程度,通过单调函数关系动态设置专名和通名相似度各自的权重值,利用动态加权方法求得复合地名相似度指标。在上述模型基础上,本文提出了汉语地名匹配策略和流程,利用通名蕴含的语义增强汉语地名匹配算法的理论基础和完备性,提高了地名匹配算法准确率。实验结果表明该模型符合认知习惯,验证了该方法的合理性和有效性。     

土地利用图中狭长多边形降维综合一致性改正

文章针对土地利用图中狭长多边形降维综合后产生的拓扑不一致和语义不一致的问题,分别给出了一致性自动改正方法.前者在狭长多边形与其邻近多边形之间拓扑关系的基础上,将弧段分为3类,分别用I、Ⅱ、Ⅲ表示;后者在土地利用数据语义综合规则的基础上,对狭长多边形的邻近多边形进行语义一致性改正;并给出了算法实现的详细步骤.最后实验证明了算法的有效性.     

地理本体研究综述及趋势分析

地理本体是表达地理概念以及地理概念之间关系的有效手段,包含本体属性、一般关系和空间关系等语义信息,是实现地理信息共享和提供智能地理信息服务的一个研究重点。此处从地理本体的概念出发,介绍了地理本体研究的基本内容,详述了地理本体语义研究关键技术的基本原理和方法,总结了地理本体在地理信息科学领域中的主要应用,最后在此基础上着重探讨了目前地理本体研究中存在的主要问题,并分析了地理本体的发展趋势,为以后的研究指明方向。     

基于框架语义的地理信息概念分析简

以框架语义学理论为指导,从一种基于框架的本体描述语言的思想出发,结合地理信息概念的本体属性,提出了一种基于框架语义的地理信息概念分析方法;并以部分水系地理信息概念为例,对该方法进行了可行性分析.     

一种描述逻辑的地理本体融合方法

提出一种基于描述逻辑的地理本体融合方法。首先约定两个本体当中的等价概念作为基于规则的逻辑推理起点,再分别从直接推理与传递推理角度讨论了本体概念、角色及其相互间的等价、蕴涵、重叠与相离等匹配关系,依次将一个本体中的概念与角色逐渐并入另一个本体中,并以基础地理信息数据和土地利用数据进行融合实验,验证了该方法的有效性。     

航海英语语义探源

在世界航海过程中 ,人们创造了众多语言词汇 ,丰富了人类语言。英语中也有许多与航海有关的词语 ,它们语义的产生有其特定的背景 ,在使用过程中被赋予新的含义 ,至今广泛使用。     

混合式全球网格划分方法及编码研究

根据基于多面体剖分的球面网格划分方案和基于地理坐标的等间隔网格划分方案的优缺点及地图投影的特点,提出了一种混合式全球网格划分方法。这种划分方法将全球分成了六个面片,每个面片的每一边都是90°,其中四个面片处于南北纬45°之间,以等距离圆柱投影为基础,采用矩形网格覆盖;两个面片处于高纬地区,以极地正方形变换为基础,采用不规则四边形网格覆盖。详细地阐述了网格的编码策略及存储方式,并给出了网格编码与地理坐标之间的相互转换方法。     

基于地理本体的海湾空间数据组织方法——以辽东湾为例

数字海湾的建设,面临着空间数据组织问题。本文在对基于分层和基于地理特征的空间数据组织方式及元数据技术深入分析的基础上,针对海湾多要素、多层次、多资源和多领域的复杂系统,采用地理本体的思想进行海湾的认知表达,并由此提出了基于地理本体的海湾空间数据组织方法。通过对海湾地理本体的建模,建立了更能客观反映海湾地理实体各个层次体系的概念模型,再根据海湾概念和已有的多源空间数据集之间的映射关系,重构地理本体支持下的海湾空间数据库,从而实现海湾多源空间数据的海、滩、陆一体化集成与管理。最后,以辽东湾为例,对该海湾所涉及到的多源空间数据进行了有效的组织。结果表明,利用地理本体的思想对空间数据进行组织管理,可以消除不同领域对信息理解的鸿沟,有利于数据的共享和互操作。     

Extending self-organizing maps for supervised classification of remotely sensed data

An extended self-organizing map for supervised classification is proposed in this paper. Unlike other traditional SOMs, the model has an input layer, a Kohonen layer, and an output layer. The number of neurons in the input layer depends on the dimensionality of input patterns. The number of neurons in the output layer equals the number of the desired classes. The number of neurons in the Kohonen layer may be a few to several thousands, which depends on the complexity of classification problems and the classification precision. Each training sample is expressed by a pair of vectors ： an input vector and a class codebook vector. When a training sample is input into the model, Kohonen＇s competitive learning rule is applied to selecting the winning neuron from the Kohouen layer and the weight coefficients connecting all the neurons in the input layer with both the winning neuron and its neighbors in the Kohonen layer are modified to be closer to the input vector, and those connecting all the neurons around the winning neuron within a certain diameter in the Kohonen layer with all the neurons in the output layer are adjusted to be closer to the class codebook vector. If the number of training sam- ples is sufficiently large and the learning epochs iterate enough times, the model will be able to serve as a supervised classifier. The model has been tentatively applied to the supervised classification of multispectral remotely sensed data. The author compared the performances of the extended SOM and BPN in remotely sensed data classification. The investigation manifests that the extended SOM is feasible for supervised classification.     

基于影像方位信息的三维建模关键技术研究与应用

三维模型以其直观性、客观性和真实性等特性,成为数字城市建设的重要组成部分。本文针对传统三维建模纹理检索、纹理映射存在的一些问题,主要利用纹理、模型的方位信息,对三维建模的关键技术纹理检索、纹理映射进行研究,改进传统三维建模纹理检索不高的缺陷,并利用OpenGL纹理映射进行三维建模实验,通过实验验证本文讨论方法的可行性,以期在实际的三维建模生产中能够进行应用。