空间数据相似性研究的若干基本问题

空间数据相似性是当前地理信息科学领域研究的热点之一。本文基于相似性科学与工程的基本理论,论述了空间数据相似性的基本概念;基于地理实体空间特征和属性特征的变化类型,分析了空间数据相似性产生的根源;基于现有矢量空间数据模型所具备系统性与层次性等特点,对空间数据相似性划分了层次,并在数学上做了形式化定义。最后归纳了空间数据相似性的基本性质。     

面向地理实体的语义相似性度量方法及其在道路匹配中的应用

语义相似性度量是实现多源矢量空间数据集成与融合的关键技术。首先以地理实体为研究对象,从矢量空间数据表达视角对地理实体的语义信息进行分析与描述,提出基于多特征约束的语义相似性度量模型。然后该模型将地理要素分类关系作为控制条件提取目标实体集,在构建实体间语义特征对应关系的基础上引入属性特征熵的概念,计算不同特征的权重值,进而综合多特征相似性来度量地理实体的整体语义相似程度。最后将该模型应用到道路实体匹配实验中,通过计算实体之间的语义相似性实现匹配,验证了该模型的有效性。实验结果表明,基于多特征约束下的语义相似性度量模型能够合理计算地理实体的语义相似度,且提高了地理实体语义匹配效率。     

几何地理要素的相似性度量方法研究

几何地理数据相似性是地理数据匹配处理的基础,决定着地理数据匹配结果的成功率和准确率。本文分别从点、线、面3个角度对几何地理数据的相似性进行深入分析,通过对点、线、面三种地理要素特点的深入研究,给出了几何地理数据的相似性算法和度量模型。通过实验,初步验证了所提算法的可行性,为地理数据的相似性匹配研究奠定了基础。     

多尺度空间实体多目标相似性度量

多尺度空间实体的相似性度量是制图自动综合质量评价、自适应空间实体多尺度表达等领域关注的基本问题.提出一种顾及距离、拓扑、方向关系的多尺度空间实体相似性度量模型,分析模型与多尺度空间实体的数量特征综合程度指标的相互竞争关系,形成一个多目标最佳优化问题,用帕累托最优化方法构建了多尺度空间实体的集值相似性标准.实验结果表明,空间相似性图形距离、空间相似度是科学有效的多尺度空间实体相似性度量指标,而帕累托集值相似性标准比独立的数量特征综合程度或几何相似性包含更多的信息.     

一种形状多级描述方法及在多尺度空间数据几何相似性度量中的应用

利用多级弦长函数和中心距离函数从全局整体到局部细节逐级描述几何形状,建立通用多尺度空间数据几何相似性度量模型。基于高斯概率统计模型改进传统的Hausdorff距离,引入信息检索中的相关反馈技术解决相似度量模型中各指标阈值的确定问题。最后将相似度量模型分别应用于不同比例尺数据匹配和空间目标化简前后的相似度量,试验表明,基于该描述方法的相似度量模型可有效实现不同比例尺水域数据的匹配和相似度量。     

多源地理空间矢量数据集成与融合方法探讨

针对人们对地理空间数据迫切需求,介绍了多源地理空间矢量数据产生的管理与技术原因及其5种表现形式,提出了多源地理空间矢量数据集成与融合的概念及其相互关系.论述了地理数据模型的融合、地理要素语义的融合和地理数据投影和坐标系的统一是多源地理空间矢量数据集成与融合基本理论与方法.给出了实现多源数据集成的数据格式转换、数据互操作和直接数据访问方法.最后,讨论了地理要素几何位置的融合,以及通过地理要素语义融合消除地理要素数据描述和属性差异的矢量数据融合方法.     

多尺度地理空间线状目标形状相似性的度量

本文研究了多尺度地理空间线状目标相似关系的表达与度量问题.基于Douglas-Peucker算法,通过对线状目标形状的分析,从几何学的角度,给出了衡量基本图形中折线与线段之间形状相似度的两个重要参量.按照图形特征,利用分类讨论的方法,建立了多尺度地理空间线状目标形状相似性的计算模型.最后通过实例的计算验证了该度量方法的可行性.     

基于直方图的遥感图像相似性检索方法比较

相似性度量是用于研究多源数据之间相似程度的，是对空间数据进行模式识别的基础。通过单波段遥感图像的检索对两组直方图相似性检索方法进行了实验研究，即基于特征向量的相似性度量和基于概率的相似性度量。实验中发现第一组相似度量中有两种以往较少用于遥感图像检索的方法表现出色，它们分别是，统计距离和相似夹角余弦度量。第二组实验中，针对其中包含较明显的目标物体且背景较为单一的遥感图像（其直方图可看作混合高斯分布），在类别可分离判据的基础上，根据K-近邻法则提出了一种计算该类图像之间相似值的方法。实验结果表明基于K-近邻法则的计算方法行之有效。所得出的结论将对多源数据分析中相似性度量的理解与选择有积极意义。     

基于线状图形相似性的道路数据变化检测

将相似性认知的距离观与特征集合观相结合,在获得相似性图形的差异距离的基础上,提出了线状地物的几何图形相似性度量模型;通过研究空间数据变化与相似度的关系,提出了基于线状地物相似度的空间数据变化检测算法,实现了基于线状图形相似性认知的道路数据变化发现与提取.     

相似性理论技术在地名匹配中的应用

客观世界中的各种事物之间都存在一定的相似性。相似性越高,两个事物的共有信息量则越多,表明两个事物表示同一个实体的可能性就越大。因此,相似性理论技术在地理空间数据的匹配更新中能够发挥重要作用。本文通过对地理空间数据几何相似性和语义相似性的分析研究,将其引入地名数据匹配及一致性处理中,给出了相关匹配模型和算法,提出了一种基于几何和属性相似性的地名数据匹配方法和技术,并通过相关实验验证了匹配算法的可行性。实验证明,该算法具有一定的理论意义和实用价值。