GIS中面元的误差熵模型

根据整个线元边缘分布的平均信息熵确定了“ε－带”的宽度，提出了线元的平均误差熵带模型，进一步扩展到面元的误差熵环模型。误差熵环的带宽取构成边界线的各线段误差熵的加权平均值。最后通过算例比较了面元的误差熵环和误差环模型，绘出了它们的可视化图形，得出了一些有益的结论。     

GIS线元的平均熵不确定带

在GIS线元的位置不确定性方面，国内外学者已提出了“e-带”、“e-带”、“g-带”、“H-带”等模型，然而就应用而言，由于“e-带”具有不变带宽，因而应用最为广泛。但是“e-带”的宽度往往难以确定，从而限制了它的使用范围。在“H-带”的基础上，提出了根据线元的平均信息熵确定“e-带”宽度的思想，建立了线元的平均熵不确定带，并以此作为线元位置不确定性的度量。     

未知分布误差的熵不确定度

分析现有估计方法的不足，提出基于最大熵的不确定度估计。所得的指标不受置信水平选取时的主观性影响，适合于GIS中未知分布误差的不确定性度量。     

熵理论在确定点位不确定性指标上的应用

分析了传统点位不确定性指标的局限性，基于信息论中的联合熵和最大熵定理导出了n维随机点熵不确定指标以及落入其内概率的统一公式；提出了以熵误差椭圆与熵误差椭球作为2维、3维GIS中点元的位置不确定性度量指标。提出的熵指标具有唯一确定、不受置信水平选取的主观性影响等特点，适合于度量未知分布的点位不确定性。     

熵与不确定度区间

测量平差问题中，讨论观测量和参数估值时引入熵及熵意义上确定度区间的概念，并谁了不确定度区间评定精度的指标的可行性，进而提出以不确定度区间作为假设检验的置信区间，避免了选取显著性水平ａ时的非客观因素的影响，给出了ｔ分布，ｘ＾２分布、Ｆ分布不确定度区间的计算公式及相应用数表。     

GIS中线元的误差熵带研究

基于现有的线元位置不确定性模型大多与置信水平的选取有关,而置信水平的选取带有一定程度的主观性,因而不能惟一确定。引入信息熵理论,提出了线元的误差熵带模型,并将它与"E-带"进行了比较,计算了落入其内的概率。该模型根据联合熵惟一确定,与置信水平的选取无关。     

GIS中三维空间直线的误差熵模型

从信息熵的角度提出了三维空间直线的误差熵模型，该模型由以垂直直线的平面误差熵为半径的圆柱体和两端点的误差球组成，是一种完全确定的度量空间线元不确定性的模型。理论分析与实验表明，本文所提出的模型具有较好的效果。     

熵与不确定度区间

测量平差问题中,讨论观测量和参数估值时引入熵及熵意义上不确定度区间的概念,并论证了不确定度区间作为评定精度的指标的可行性,进而提出以不确定度区间作为假设检验的置信区间,避免了选取显著性水平α时的非客观因素的影响。给出了t分布,x2分布、F分布不确定度区间的计算公式及相应的数表。     

熵理论在确定点位不确定性指标上的应用

分析了传统点位不确定性指标的局限性,基于信息论中的联合熵和最大熵定理导出了n维随机点熵不确定指标以及落入其内概率的统一公式;提出了以熵误差椭圆与熵误差椭球作为2维、3维GIS中点元的位置不确定性度量指标.提出的熵指标具有唯一确定、不受置信水平选取的主观性影响等特点,适合于度量未知分布的点位不确定性.     

GIS中曲线误差带模型的一种算法

针对ＧＩＳ中对曲线位置不确定性分析的要求,提出了一种采用数值方法计算拟合曲线点位误差的算法,给出了确定ＧＩＳ中任意曲线误差带模型的具体计算步骤与计算公式,并结合实例,绘制了三次样条拟合曲线的误差带。     

误差熵的估计问题研究

指出了具有复杂分布的随机量的总体熵的估计问题,首次给出了估计熵的最小截断误差限。推导了样本熵的近似估计公式,引入最优窗宽、全局最优窗宽的算法,首次解决了样本熵的估计值不惟一的问题。     

General Entropy Model of Line Segments Uncertainty in GIS

Spatial data uncertainty can directly affect the quality of digital products and GIS-based decision making. On the basis of the characteristics of randomicity of positional data and fuzziness of attribute data, taking entropy as a measure, the stochastic entropy model of positional data uncertainty and fuzzy entropy model of attribute data uncertainty are proposed. As both randomic-ity and fuzziness usually simultaneously exist in linear segments, their omnibus effects are also investigated and quantified. A novel uncertainty measure, general entropy, is presented. The general entropy can be used as a uniform measure to quantify the total un-certainty caused by stochastic uncertainty and fuzzy uncertainty in GIS.     

GIS中空间数据不确定性的混合熵模型研究

基于信息理论和模糊集合理论，针对GIS中部分空间数据既具有随机性又具有模糊性的特点，建立了空间数据不确定性的混合熵模型。以GIS中线元不确定性为例，讨论了线元不确定性的统计熵、模糊熵和混合熵估计方法，并针对特例给出了线元不确定性的熵带分布。     

熵与不确定度区间

测量数据的质量及可靠性取决于测量数据不确定性的大小。从如何评价测量数据的不确定性入手,以测量不确定度理论与模糊数学为基础,构建以测量不确定度为未知参数的测量数据不确定性评价的函数模型,提出“模糊熵测度”作为函数模型求解的最优准则并建立相应的算法,应用高程监测网数据进行解算并与最小二乘估计结果进行比较,结果证明了该方法的可行性。     

Entropy error model of planar geometry features in GIS

Positional error of line segments is usually described byusing “g-band”,however,its band width is in relation to the confidence level choice.In fact,given different confidence levels,a series of concentric bands can be obtained.To overcome the effect of confidence level on the error indicator,by introducing the union entropy theory,we propose an entropy error ellipse index of point,then extend it to line segment and polygon.and establish an entropy error band of line segment and an entropy error do-nut of polygon.The research shows that the entropy error index can be determined uniquely and is not influenced by confidence level,and that they are suitable for positional uncertainty of planar geometry features.