Geohash编码的周边查找算法优化

周边查找是一项地理空间分析功能,用于从大范围的海量地理要素中检索出局部的地理要素。基于Geohash网格的空间索引可以很容易地实现周边查找算法。但是目前基于Geohash的周边查找算法在网格筛选过程中存在一些低效的情况。在阐述前人利用Geohash实现周边查找的算法基础上,提出了一些针对网格筛选环节的算法优化策略,进一步提高了周边查找效率。     

TIN向规则格网DEM转换的快速算法

从TIN内插成规则格网可以获得高质量的DEM。在内插过程中,需要重点解决的问题就是如何快速查找待插点所在的三角形。本文介绍了一种基于建立空间索引实现TIN到DEM的快速转换算法,通过建立的索引,可以大大地提高检索的速度,提高内插的效率。最后本文通过实验验证了该算法的正确性与可行性。     

一种基于动态格网模型的新型空间目标捕捉算法的设计与实现

空间数据捕捉是地图制图、空间数据编辑中的一个重要的功能。快捷、高效的空间数据捕捉算法可极大地提升空间数据编辑的效率,减少时间成本。目前常用的空间查询捕捉算法往往算法复杂,I/O操作频繁,增加了计算资源的消耗,降低了运行效率。针对这些缺点,本文提出了一种新型的空间目标动态捕捉算法。该算法建立一种自适应性和动态性的格网索引机制,该机制基于区域变化提取新格网,用新格网对原有数据和新数据进行提取,并把提取结果反映到新的四叉树格网索引中,实现索引数据动态更新。通过实验对比,我们发现该算法在缩短捕捉时间、提高矢量点线面捕捉精度方面非常有效,且捕捉稳定性较高,极大地提高了外业采集人员和数据处理人员的工作效率。     

基于方向和距离关系的复合空间查询

利用四叉树索引,提出一种基于方向和距离关系的复合空间查询算法.其基本思路是：计算给定的方向区域和距离范围之间的交S,借助四叉树索引快速查找其MBR（Minimum Bounding Rectangle）被S包含或与S相交的空间对象,构成候选集,从候选集中删除不符合给定方向和距离关系的空间对象,得到查询结果.实验表明,算法具有较好的空间查询性能.     

基于格网索引的点目标捕捉算法

传统的从离散点中捕捉其中一点的算法实现存在精确度低、重复计算耗时、难度大的不足,从而增加了捕捉的计算量而影响性能。本文介绍了一种基于格网索引的点目标捕捉算法,通过对点群的格网划分,行列号的计算与Morton码的获得,建立空间索引表、实体索引表与点目标的存储单链表,成功完成点目标的捕捉。     

Delaunay三角网的交互编辑算法设计与实现

本文在基于四叉树分块构建Delaunay三角网的基础上,设计与实现了面向大地形编辑的以四叉树为空间索引的三角网交互实时编辑系列算法,其中包括约束点的加入、约束线的加入以及共点三角形的快速查找算法。以上算法的设计与实现是地形编辑的基础算法,算法的执行效率对以地形为代表的三维实体的实时编辑以及相关地物模型的拟合具有重要意义。     

一种面向道路网3维数据的空间索引方法

根据数据沿道路呈线性分布,道路相互连通的特点,提出连通拓扑和动态分段相结合的混合索引机制,分两步来实现查询过程:第一步通过连通索引来进行粗略查询;第二步根据粗略查询结果,利用动态分段索引完成精确查询。以此建立的道路网及沿线3维数据的空间索引具有很高的查询速度,能确保数据的快速动态装载,可满足道路网3维可视化的要求。最后通过实验对算法进行实现,并在空间效率和时间效率上与R树索引进行了比较。     

基于文件与基于数据库的格网索引

对建立文件和数据库支持下的格网型空间索引的关键技术及具体实现进行了详细说明,并通过建立实验系统,分别对基于文件和数据库情况下建立索引前后图形操作和目标查询的速度进行了测定、比较,证明了建立索引能够有效提高空间操作效率.     

海量栅格数据空间索引与存储的研究

以Oraele Spatial为工具,研究基于Oracle GeoRaster对象的四叉树索引和R树索引机制,以此建立海量栅格数据的空间索引;研究GeoRaster的无缝影像层存储模式和分幅影像层模式,并给出影像存储的实现方法.利用Oracle Spatial对象可以有效解决海量栅格数据空间索引的建立及实现栅格图形数据与属性数据的一体化管理.     

利用网格索引与R树的弧段求交并行算法

本文通过对图幅进行网格化划分,建立网格索引,对弧段按网格建立R树空间索引,进一步降低了空的相交判断次数;根据网格之间一定的独立性,对不同网格内弧段进行并行化求交,并在单CPU多核计算机上利用OpenMP并行机制对算法进行了实现。分析与实验表明:改进后的新算法对较大数据量弧段求交的处理效率较高,与同类算法相比,在空间数据拓扑的建立与空间分析的应用中具有一定优势。     

最大空圆约束下的最邻近计算方法

移动目标的最邻近查询是位置服务的重要内容之一。本文针对地理目标分布不均的情况,将离散点集的最大空圆参数引入到最邻近查询中,提出了最大空圆约束下的k-D树最邻近查询算法。通过实验证明该算法可以有效地减少节点访问次数,减少距离计算次数,从而提高最邻近的查询效率。进而将该算法应用于移动目标的k阶邻近查询中,可以有效地减少移动点在三角网中的定位次数,改善k阶邻近的查询效率。     

Parallel computing solutions for Markov chain spatial sequential simulation of categorical fields

The Markov chain random field (MCRF) model is a spatial statistical approach for modeling categorical spatial variables in multiple dimensions. However, this approach tends to be computationally costly when dealing with large data sets because of its sequential simulation processes. Therefore, improving its computational efficiency is necessary in order to run this model on larger sizes of spatial data. In this study, we suggested four parallel computing solutions by using both central processing unit (CPU) and graphics processing unit (GPU) for executing the sequential simulation algorithm of the MCRF model, and compared them with the nonparallel computing solution on computation time spent for a land cover post-classification. The four parallel computing solutions are: (1) multicore processor parallel computing (MP), (2) parallel computing by GPU-accelerated nearest neighbor searching (GNNS), (3) MP with GPU-accelerated nearest neighbor searching (MP-GNNS), and (4) parallel computing by GPU-accelerated approximation and GPU-accelerated nearest neighbor searching (GA-GNNS). Experimental results indicated that all of the four parallel computing solutions are at least 1.8× faster than the nonparallel solution. Particularly, the GA-GNNS solution with 512 threads per block is around 83× faster than the nonparallel solution when conducting a land cover post-classification with a remotely sensed image of 1000?×?1000 pixels.     

基于相似性保持和特征变换的高维数据聚类改进算法

提出一种基于相似性保持和特征变换的高维数据聚类改进算法.首先,通过相似性度量函数计算得到高维空间对象相似度矩阵,并利用近邻法、Floyd最短路径算法将相似度矩阵转换为最短路径距离矩阵;然后,将高维特征变换转化为遗传优化问题,利用特征变换降维后的二维数据进行k-均值聚类,并根据(高维坐标,降维后二维坐标)值进行RBF神经...     

路网环境下的混合数据最近邻查询算法

路网环境下的k最近邻查询方法在地理信息系统、智慧城市、数据挖掘、医疗营救和物流配送等领域都有着较为重要的作用,已有路网环境下的最近邻查询方法无法直接解决查询对象为点而数据对象为点和线段混合的复杂数据的近邻查询问题,为了弥补已有方法的不足,提出了路网环境下混合复杂数据的最近邻查询算法。将查询过程分为预处理、数据集约减和数据集精炼3个部分,并与3种对比算法进行对比实验,研究了测试数据对象的数量、路网规模的大小对中央处理器运行时间以及输入/输出代价的影响。结果表明,所提算法能有效地处理路网环境下混合数据的最近邻查询问题。     

ParSymG: a parallel clustering approach for unsupervised classification of remotely sensed imagery

ABSTRACT

Symmetry is a common feature in the real world. It may be used to improve a classification by using the point symmetry-based distance as a measure of clustering. However, it is time consuming to calculate the point symmetry-based distance. Although an efficient parallel point symmetry-based K-means algorithm (ParSym) has been propsed to overcome this limitation, ParSym may get stuck in sub-optimal solutions due to the K-means technique it used. In this study, we proposed a novel parallel point symmetry-based genetic clustering (ParSymG) algorithm for unsupervised classification. The genetic algorithm was introduced to overcome the sub-optimization problem caused by inappropriate selection of initial centroids in ParSym. A message passing interface (MPI) was used to implement the distributed master–slave paradigm. To make the algorithm more time-efficient, a three-phase speedup strategy was adopted for population initialization, image partition, and kd-tree structure-based nearest neighbor searching. The advantages of ParSymG over existing ParSym and parallel K-means (PKM) alogithms were demonstrated through case studies using three different types of remotely sensed images. Results in speedup and time gain proved the excellent scalability of the ParSymG algorithm.     

基于车载LiDAR点云的地物分类方法的研究

基于点云分类常用的近邻聚类法和物体表面分割等方法,本文提出了一种基于最大网格密度的近邻聚类的方法。该方法首先对原始点云进行低点提取,设置格网的大小,在此基础上对点云数据进行去噪并进行主成分分析,再对点云空间进行均匀格网化,使具有最大密度的格网为聚类中心,加入高程、强度以及法向量等特征对分割后的点云实现了不同地物的分类,提高了运算效率,降低了错分率。     

Voronoi图的首最邻近递归收敛特性及其应用

讨论了Voronoi图的首最邻近递归收敛特性,即从任一伪最邻近对象开始,递归查找其首最邻近对象,最后必然收敛于最邻近对象.利用该特性,初步实现了移动目标直接邻近对象的连续查询.     

基于面向对象算法的道路信息提取研究

道路作为重要的基础设施,其信息的快速提取对于地面空间数据库的更新具有重要的理论与现实意义。本文将面向对象的思想引入影像道路分析提取中,按照局部区域与相邻区域的"异质"特征对高分辨率影像进行多尺度分割,产生"同质"像素集,得到最优尺度参数;然后通过探究最优特征组合及最邻近分类提取,面向对象道路提取用户精度可以达到96.5%。通过多次实验对比分析,旨在探索基于面向对象算法道路信息提取的最佳方法。     

室内空间用户行为的智能手机识别

针对地磁匹配中经常会出现相似点,造成定位偏差较大的问题,该文提出利用智能手机识别用户室内行为方式的方法,为地磁匹配算法提供筛选条件。开发了智能手机传感器数据采集工具,获取用户在室内环境下的行为数据。原始数据首先利用一阶低通滤波和平滑滤波算法进行去噪处理,再经过数据分割和特征提取后,应用于行为识别过程。行为识别模型的建立主要使用两种方法,K最近邻算法和隐式马尔可夫模型,并研究了两种方法的不足以及改进途径。通过针对识别准确度的对比实验,在输入最合适的数据的条件下,隐式马尔可夫模型的准确度略优于K最近邻算法。两种方法的识别准确率均在95%以上,能够有效地提高地磁定位精度。利用室内用户行为数据辅助地磁室内定位,很好地改善了地磁数据单一、定位精度较低的问题。     

中国5A级旅游景区空间分布结构研究

运用最邻近指数和地理集中指数对5A级旅游景区空间结构进行测定,结果表明,其空间结构呈集聚型分布,且人文旅游景区分布的集中程度要高于自然旅游景区;借助相关性计算,研究了社会经济和旅游业的发展水平对其空间分布结构的影响,提出了更合理地布局5A级旅游景区的方案。