基于CIRCLE特征变换的点群选取算法

本文在分析了当前地图自动综合算法的基础上,提出了一种基于Circle特征变换的点群选取新算法。文中介绍了该算法中空域中心点的确定、目标特征空间的计算、坐标空间到特征空间的转换、特征空间的聚类以及特征空间的化简等关键步骤。最后就算法的结果进行了分析与评价。     

基于CIRCLE特征变换的点群选取改进算法

本文在介绍了已有的“基于Circle特征变换的点群选取算法”(测绘科学2005年第3期)基础上,提出了一种改进算法。详细分析了已有算法在线化简过程中对聚类的过度依赖性和线化简过程中的逻辑不一致性等两个主要不足,对特征空间中的线化简等关键步骤进行了改进。最后就改进算法的结果与原先算法的结果进行了对比分析与评价。     

顾及密度对比的多层次聚类点群选取方法

在语义信息缺乏的情况下进行点群选取是制图综合的难点之一。提出了一种新的通过多层次聚类进行点群选取的方法。首先,针对k-means聚类算法的不足,利用改进的密度峰值聚类算法实现点群自动聚类,主要表现为用基尼系数确定最优截断距离及用局部密度和相对距离的关系自动确定聚类中心。其次,提出一种顾及密度对比的选取策略,通过点群多层次聚类,将点群划分成不同等级的簇,确定不同等级的聚类中心,建立点群的层次树结构;依据方根定律计算的选取数量,按照各级别簇的点数比例,自上而下逐层分配待选取点数,确定选取对象,实现点群的自动选取和多尺度表达。对不同分布模式的点群进行实验,验证了该方法的普适性和有效性。     

一种顾及多特征约束的Voronoi图点群选取方法

点群的自动选取是制图综合的重要内容。在Voronoi图点群选取的基础上,提出一种顾及多特征约束的Voronoi图点群选取方法。该方法顾及了描述点群要素重要性的空间分布特征、拓扑和密度特征、专题属性特征以及与其他要素的关联特征,构建了基于综合特征重要性的度量模型,并作为约束条件应用于Voronoi图点群要素的选取。实验结果表明,该方法不仅可以综合考虑点群要素的多种重要性特征,而且能够较好地保持点群综合前后空间特征的一致性,符合传统制图综合规律,具有一定的普适性。     

利用层次Voronoi图进行点群综合

通过距离权重描述点的重要程度,采用改进的k-means算法得到点群的聚类中心,进而以聚类中心为基础,构建了层次加权Voronoi图与Voronoi层次树结构.以点群的分布范围、排列方式与密度为度量,给出了基于Voronoi层次树结构的点群综合方法,确保了点群综合前后在空间形态分布上的一致性.结合地理统计学计算,对综合方法作了进一步的量化评估与优化.经验证,本文方法是可行、有效的.     

利用缓冲区动态生长模型进行岛屿自动选取

针对当前岛屿自动综合算法使用的Voronoi图在表达岛屿密集程度时存在缺陷,从而导致选取结果难以满足生产实际需要这一现状,提出一种利用缓冲区动态生长模型进行岛屿选取的自动选取方法。首先,从原理上分析了Voronoi图表达空间数据密集程度的缺陷,并设计了能克服此缺陷的缓冲区生长模型;然后,定义了距离矩阵、岛屿缓冲区标识和增长因子,构建了缓冲区生长模型;最后,通过对模型的动态构建和更新实现了岛屿的自动选取,并选取多组不同海域、不同分布特征的岛屿资料图进行了实验验证。实验结果表明,缓冲区生长模型有效解决了Voronoi图表达岛屿密集程度时的缺陷问题,与使用Voronoi图表达岛屿密集程度的岛屿选取方法相比,明显提高了岛屿选取的质量,且可适用于更多的复杂海域。     

凸壳原理在点群目标综合中的应用

对聚焦分布的点群，借助凸壳算法形成多层嵌套，以反映它的逐层分布特征，为点群目标的２经选取提供整体分布控制，借助ＶＯＲＯＮＩ图各个特体的区域性评价提供补充性的量化依据。综合过程分为两个子过程：凸壳层的合并和多边形折线顶点的综合。     

路网约束下的点群状居民地选取方法

点群状居民地的空间分布与路网结构相互影响。提出了一种路网约束下的点群状居民地选取方法。首先以路段为单元构建道路Voronoi图来划分区域,在合并面积过小的区域后对点群状居民地进行分区;然后计算每个区域中点的权值并进行选取;最后对间距小于冲突距离阈值的密集点群进行处理。将该方法用于点群状居民地的实例数据进行验证,结果表明该方法能有效保持点群状居民地的空间分布特征和密度对比。     

利用局部重力数据改进重力场模型

本文系统论述了利用局部重力数据对已知重力场模型位系数加以改进的理论和方法，问题的实质是重力异常和位系数两类数据的综合利用，文中给出了联合平差和局部积分改进两种方法，重点讨论了局部积分改进的位系数改正数的谱权综合法，并给出了数值试验结果。     

重力三层点质量模型的构造与分析

点质量模型理论是研究区域重力场的一个非常重要的方法,本文简要介绍了点质量模型逼近区域重力场的原理,计算分析了构造点质量模型过程中系数矩阵元素的特性。以32~34N和103~105E为计算中心区域,利用EGM2008的720阶次的位系数计算出的重力异常作为观测数据,在36阶次位系数模型的基础上,构造了四层点质量组分频段从低到高来逼近该区域重力场。数值试验的结果表明：三层点质量模型效果较好,点质量模型计算的扰动重力在径向上的截断误差优于2 .     

利用重力等位面特性进行地球重力场模型评价

提出了一种基于大地水准面等位面特性的地球重力场模型优劣评价方法。通过取任一重力大地水准面为参考面,计算不同地球重力场模型在该面上的重力位标准差,以此作为不同模型相对优劣的评价指标。利用该方法对不同地球重力场模型以及同一重力场模型在不同区域的精度进行了评价。结果表明:EGM96、OSU91A模型的大地水准面高精度分别为±11.1 cm、±14.3 cm,说明EGM96要优于OSU91A,EGM2008、EIGEN-6C4模型的大地水准面高精度分别为±8.8 cm、±8.9 cm,说明该两个模型的精度相当,与已有研究结果一致,表明本文方法的有效性与适用性。进一步研究结果显示,对于全球大地水准面,EGM2008和EIGEN-6C4模型的大地水准面高精度分别为±11.3 cm和±14.1 cm,即在厘米级精度上EGM2008略优。     

点质量融合模型的海空重力数据延拓分析

针对无高质量的数据对传统的虚拟点质量模型对重力数据改正时,易受系统误差影响及解算不稳定的问题,该文将海空重力数据中的系统误差用非参数分量表达,对点质量模型进行改进,建立了虚拟点质量的半参数模型,引入核估计方法,利用偏残差估计方法,进行三步拟合估计,得到了系统误差和点质量参数的估计值。在分离系统误差的基础上,引入正则化方法改善病态,将建立的模型与正则化方法相结合,建立了综合半参数核估计和正则化方法的点质量融合模型,可在无外部重力时估计系统误差,同时完成多源数据融合。基于EGM2008位模型产生海空重力异常数据,采用线性项和周期项系统误差进行仿真实验,结果表明改进后的点质量模型能够有效利用外部数据,在改善病态和分离系统误差方面提升精度效果明显。并以北卡罗来纳实测海空重力异常数据验证该文方法的有效性,结果表明在无外部数据时,该文方法能有效地分离系统误差,并且精度与引入外部数据改正后的正则化方法相当。     

利用重力位差进行跨海高程基准传递的精度分析

基于GPS重力位水准原理,研究利用重力位差实现广东沿海地区跨海高程基准传递的可行性及其精度。利用湛江市GPS/水准数据进行有关实验研究,结果表明,利用重力位差进行跨海高程传递,在实验区域高程传递中误差小于6 cm,满足广东沿海地区跨海高程基准传递的精度要求。     

点质量模型在航空重力数据向下延拓中的应用

研究探讨了基于逐级余差思想的分层点质量模型在航空重力数据向下延拓中的应用,首先给出其基本原理,然后对澳大利亚某区域实测航空重力测量数据进行了向下延拓实验,并分析了分层方案的选择、"背景场"的建立与否和地面重力数据的选取对实验结果的影响以及采用点质量模型向下延拓的精度,给出了在地面重力基础数据缺乏与否的情况下建立点质量模型的具体建议。实验结果表明,点质量模型可以有效进行航空重力数据的向下延拓,实验区2'×2'分辨率的数据延拓精度可达±4.8×10-5m.s-2。     

Delaunay三角网在图斑与点群目标综合中的应用

土地资源调查利用的土地类型数据多为不同比例尺电子矢量地图,以此数据为研究基础,详细介绍了Delaunay三角网及其Voronoi多边形的特性,以及在土地数据类型中的图斑综合与点群目标综合中的算法应用,具体描述了两种算法的实现过程和试验结果,并对几种点群目标算法进行了简要分析和比对,详细介绍了实现过程;重点阐述了图斑综合算法的思想和算法的具体实现.最后以"土地利用数据库智能化自动综合系统"为例验证了算法方案的合理性和可行性.     

基于动态圆增长模型的底质点分区选取方法

多源底质点数据存在分布密度差异大、数据冗余度大等局限,现有的点状要素选取方法无法满足应用需求。在顾及点数据底质类型,确定底质分布域完成底质点分区,获得点群数据后,提出了基于动态圆增长模型进行底质点的选取方法。     

基于地球物理信息构建全球重力异常模型方法的探讨

平均重力异常是地球重力场的基本数据,在垂线偏差、高程异常、扰动重力等的计算中都要用到平均重力异常。本文在全球高程、地壳密度、海深等地球物理信息的基础上,依据均衡理论和逆威宁-曼尼兹公式两种推估重力异常的方法,在理论上对构建全球重力异常模型进行了探讨。     

利用梯阶中值选址模型进行区域机场群布局适应性研究

研究了中值选址模型和梯阶选址问题,提出了利用梯阶中值选址模型的区域机场群选址布局模型,并对广东省机场群布局的适应性进行了实证研究。在模型实验中,应用地理信息技术对模型进行了计算,结果说明了该模型及模型计算方法对区域机场群选址规划的应用价值。     

随机点群目标空间图形的表达与识别

本文针对国内外一些对点群目标的自动综合方法中存在的弊端,提出了一种新的自动综合模式———空间图形的表达、识别与综合。通过在点群中构建Delaunay三角网,并加入相应的约束条件,实现对随机点群目标空间图形的表达。从外围轮廓,内部结构,中轴线的提取和单个点目标的影响域几方面对点群目标的综合参数进行了识别。表达与识别为地图自动综合的实施奠定了基础。这一方法必将提高综合的自动化程度,成为自动综合研究领域中一个新的突破点。     

兴趣点选取的路网分割并行计算法

兴趣点,又称POI(points of interest)是网络地图、导航地图中重要的表达要素,包括餐饮、娱乐、金融机构、旅游景点、地标建筑、加油站、停车场等人们日常生活中最为经常使用的信息。其数据的准确性、属性的丰富程度、表达的清晰度及其实时显示效率都将影响地图的服务质量。当前POI表达存在许多问题,特别是在用户搜索特定信息时,由于查询结果数据量较大,造成POI的叠置、压盖等,这一问题严重影响了用户对POI信息的查询与检索。地图综合提供了大量的算子算法以实现点或点群要素的选取,但是它们在综合效率方面亟待提高。面向矢量数据处理的并行计算,其数据划分不仅需要满足负载均衡、划分算法高效等要求,而且对于划分后各部分数据在计算前后拓扑关系的保持也显得尤为重要。兴趣点与路划网络是密切相关的要素,两者之间存在着相互依存的空间关系。本文提出基于路划网眼划分兴趣点的方法,既能保证兴趣点的划分效率,又能保证不同分区内POI选取计算的正确性。选择点选取算法中的"圆"增长算法,采用典型试验区域的路划网眼数据,基于不同节点数划分兴趣点数据,实现兴趣点选取并行计算。试验证明,该方法不仅保证了兴趣点划分的均衡性,而且可以提高兴趣点选取计算效率。通过这一研究,对面向矢量数据的地理信息分析、地图制图综合等复杂算法的并行计算具有重要意义。