顾及距离与形状相似性的面状地理实体聚类

与点状地理实体不同,面状地理实体不仅具有位置特征,还具有形状特征。对于面状地理实体而言,仅考虑距离因素设计聚类准则是不全面的。综合考虑距离和几何形状相似性来设计聚类准则,实现了相应的聚类算法。实验证明,该算法适合面状地理实体的聚类分析。     

一种简单平面多边形的快速分割方法

根据二分法的原理设计了一种简单平面多边形的快速分割算法,并利用ArcEngine提供的编程接口对该算法进行了实现,最后对算法进行了测试。实验结果验证了该算法的收敛特性,可以较好地控制分割精度,在满足精度要求的前提下实现多边形按面积或按比例任意份的分割,具有操作方便,参数控制灵活的优点。     

简单多边形间最大距离的求解算法

求解任意两个简单多边形间的最大距离,在几何图形计算中,一直是一个基本问题。在对多边形自身的特性以及两多边形间关系进行深入分析的基础上,提出了一个基于折线凸包的单调性的简单多边形间最大距离的求解算法。根据封闭折线内部所具有的特性,把封闭折线拆分成两个断开的折线,使一条折线在另一条折线左边。两个多边形分别被拆分成四条折线,两个分为一组。分别求出每组中两条折线的凸包,利用凸包的单调性可以快速地找出两个距离最远的顶点,其中较大的是两个简单多边形间的最大距离。算法的时间复杂度是线性的。     

制图综合中建筑物多边形的合并与化简

讨论了数字环境下顾及建筑物矩形几何特征的多边形自动综合算法,针对多边形之间的拓扑邻近与视觉邻近两种空间关系,提出了基于矢量和基于栅格的两种建筑物多边形合并方法。关于建筑物形状的化简,本文提出了矩形差分方法,并在此基础上建立了建筑物多边形化简的层次化途径。     

应用于面状地理实体聚类分析的线段链形状相似性准则

提出了一种满足旋转与平移不变性的线段链形状相似性评价方法。该方法计算简便，适用于面状地理实体聚类分析，并给出了该评价方法的实现算法，分析了参数对评价方法可能产生的影响及影响程度。     

射线法判断点与包含简单曲线多边形关系的完善

点与多边形关系的判断问题一直是计算机图形学中的基本问题之一,目前判断点与多边形关系的射线法只考虑多边形边界全部由直线组成,而在实际应用中,多边形边界经常包含简单曲线。本文以圆弧为例,在分析已有射线法基础上,提出对射线法的完善算法,解决了点与包含圆弧的复杂多边形关系的正确判定。     

顾及邻近五点的建筑物多边形化简方法

针对传统的建筑物化简算法无法准确保持建筑物局部细节几何特征,容易产生尖锐凸角等问题,提出了一种基于邻近五点的建筑物多边形化简方法。通过将多边形边界上的邻近五点定义为基本处理单元,实现对建筑物边界Z形平行、Z形不平行、U形平行、U形不平行的4类几何模式划分,进行渐进式化简,并针对化简过程中产生的尖角顾及角度约束对其削尖。对某地区部分1∶1万实际建筑物多边形数据进行试验,结果表明,所提算法在保持建筑物基本几何形态特征的基础上,能够尽可能地避免尖角的产生,化简结果更加符合人类的视觉认知。     

一种顾及障碍约束的空间聚类方法

为了使得空间聚类分析更加适应实际情况,发展了一种同时顾及空间障碍约束与空间位置邻近的空间聚类方法。该方法采用Delaunay三角网描述实体间的邻近关系,并且不依赖用户指定参数。实验验证了本方法的有效性与优越性。     

边界为简单多边形的离散点Delaunay三角剖分及可视化研究

简单多边形的Delaunay三角剖分,在计算机图形学及地学问题三维建模领域有着广泛地应用。本文提出了一种不需要判断多边形的凹凸性,直接对多边形建立最大凸包,在建立凸包的基础上建立Delaunay三角剖分的方法,设计了一个有效的数据结构。在剖分的基础上,去除三角形的内切圆圆心在多边形内的三角形即可得到满足需要的三角剖分。为了提高处理大规模数据的速度,实验中对数据进行了分块处理,提高了建网的速度。最后利用OpenGL技术实现了剖分后的地形三维显示。     

多边形化简前后相似度计算的一种方法

图形相似度计算是地图综合质量评价的主要依据。以往的文献对于地图综合方法研究的较多,而对于综合结果评价的方法却研究的较少。本文结合地图综合中多边形的化简过程与其化简规则,提出了多边形相似性描述的因子,并结合这些因子,给出了一个计算相似度的公式,从而为地图综合质量的评价提供了一个新的思路。实验结果表明,该方法简单有效。     

邻接凸多边形方向关系计算及其推理

在对拓扑邻接凸多边形方向关系计算特殊性分析的基础上,提出了一个邻接凸多边形方向关系计算算法和二维空间方向关系推理方法。与Voronoi图所表达的邻近拓扑关系相结合,该算法可以用于计算离散二维空间目标之间的方向关系     

一种利用凸包思想顾及障碍物的聚类分析

提出了利用凸包思想求取障碍距离的方法,并对该方法进行了理论与实践上的探讨。然后以所求得的障碍距离为依据,利用改进后的k-中心点法进行实验。实验表明,其结果不仅可以得到两点之间的障碍距离与障碍路径,而且可以实现顾及障碍物聚类的要求。最后对实验结果做出了总结与展望。     

基于中心点距离的居民地面要素聚类

空间聚类是将空间实体根据某些相似的特性聚类成为一个集合,这个集合称为簇。本文研究了一种基于中心点距离的居民地面要素聚类算法:通过获取面状要素的数据,运用基于其几何中心的距离计算方法,判断面要素之间距离的可达性,并将距离小于阈值的面要素进行聚类,最终以凸包的形式将该集合绘制出来。本文的算法是在VS2010以及ArcGIS Engine开发环境下通过编程实现,并进行多组实验,实验结果表明,该应用程序可以实现居民地面要素的自动聚类。     

一种多边形交、并、差运算的有效算法

以周培德的Z₅₄算法为参考,提出了一种简单多边形交、并、差运算算法--IBO算法。该算法能够处理二维现实世界中的各种情况,对于地理信息系统的空间分析有较好的应用价值。     

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。     

综合线面特征分布的点目标多尺度聚类方法

考虑空间数据分布的复杂性与不连续性,提出了一种点目标聚类方法。算法利用全要素Voronoi图准确识别与表达点目标与线面实体的空间相关性;根据点目标位置分布特征计算面积阈值来控制聚类的粒度,同时以空间尺度变化下面积阈值的恒定作为判断尺度收敛的条件,实现点目标的多尺度划分,时间复杂度为O(nlogn)。经试验验证,聚类尺度随点目标分布特征自适应收敛,算法无须自定义参数,能够有效地发现受线面目标约束的任意形态点目标集群,对异常值处理稳健。     

一种基于双重距离的空间聚类方法

传统聚类方法大都是基于空间位置或非空间属性的相似性来进行聚类,分裂了空间要素固有的二重特性,从而导致了许多实际应用中空间聚类结果难以同时满足空间位置毗邻和非空间属性相近。然而,兼顾两者特性的空间聚类方法又存在算法复杂、结果不确定以及不易扩展等问题。为此,本文通过引入直接可达和相连概念,提出了一种基于双重距离的空间聚类方法,并给出了基于双重距离空间聚类的算法,分析了算法的复杂度。通过实验进一步验证了基于双重距离空间聚类算法不仅能发现任意形状的类簇,而且具有很好的抗噪性。