有向拓扑的河系渐变自动绘制算法

河系渐变绘制是地图制图中水系要素表达的重要方面。针对全自动河系渐变研究较少的现状,该文提出一种基于树状约束stroke特征的河系渐变自动绘制算法。该方法在深入分析有向拓扑的数据结构基础上,重点解决河口模式识别、树状约束stroke特征构建、河系层次关系建立、主支流分级渐变等问题,实现全自动河系渐变,并进行实践测试。结果表明,该算法在地图制图过程中无须对河系河源、河口识别、河系分层和河系渐变进行人工干预,自动化程度高,大幅度提升制图效率,渐变效果优于人工绘制效果。     

耦合Strahler和Gravelius方法的线状水系自动分级算法

水系作为地图制图的重要要素,在地图中正确表达水系要求水系数据具有河流名称、河流等级、河流长度等属性信息。但现有地理空间数据库中的河流数据往往缺少河流等级等属性,在制图表达中水系结构、河流等级等信息一般需要大量的人工判读和构建,费时费力,且容易产生错误结果。本文研究并提出一种耦合Strahler和Gravelius方法的线状水系结构及其等级自动判别算法。首先构建水系层次结构及河段关系;然后采用Strahler方法计算河流深度;再基于Gravelius自动计算河流分级,实现从线状河流基础数据到水系结构及河流等级的自动分级;最后,通过ArcGIS Engine开发实现本文算法。经实验验证本文算法的合理性和有效性,算法简单易操作,具有实用性。     

案例支撑下的朴素贝叶斯树状河系自动分级方法

河流分级是树状水系综合的关键。现有方法大多根据河段的局部几何特征进行主支流识别,较少顾及河流和河系的整体结构特征,且使用多指标综合评价判别时对权重的设定缺乏科学的方法,对综合知识利用较少,应用的灵活性有待提高。对此,本文从案例学习的角度出发,针对河段主支流关系识别,提出一种基于朴素贝叶斯的树状河系自动分级方法。首先,从已有成果数据中提取出主支流分类的案例,利用朴素贝叶斯机器学习方法进行训练得到主支流分类模型;对于待分类树状河系,使用分类模型,从河口出发自下游向上游依次计算各上游河段分类为主流的概率,以概率最大的上游河段作为主流河段,将各主流河段依次连接得到主流河流;主流河流以外的支流部分,重复以上步骤进行层次结构化实现河系分级。试验证明,本文方法能很好地模仿专家意图,对树状河系的主支流进行很好地识别分类,并构建合理的层次结构,分级效果良好。     

基于BP神经网络的河系自动综合研究

在分析河流选取影响因素的基础上,结合BP神经网络的改进,给出了河流自动选取BP神经网络的结构模型,并通过实例提供了网络参数、实现过程和试验结果。     

河流自动选取中的分级优化

水系是具有高度结构化特征的复杂空间数据,在不同水文条件和地形环境下发育的水系形态可以表现为多种模式,如格状河系、羽毛状河系、平行状河系等,使得水系选取具有较大难度。探讨了河流分级(汇流区域特征)、河网结构层次化(河流分布的地理特征)与水系选取之间的关系,提出了基于流域的河流自动选取,从河流的局部重要性出发,考虑河流的分级主要基于两点:一是确定选取单元为流域;二是对流域内河流通过等级关系选取高等级河流,同等级间河流根据长度、密度、河流间距离等综合指标进行选取。     

基于模拟退火算法的自动地图注记配置研究

本文将求解大规模组合优化问题最优解的一种新型算法－模拟退火算法应用于地图注记的自动配置。该算法将地图各要素注记的配置作为一个统一的整体来对待,从而避免了一般局部搜索法可能终止于一个局部最优解的缺点,这样可使自动注记配置的结果更趋合理化。用模拟退火算法进行注记自动配置,理论体系完整,机理简单,通用性强,编程容易,而且与一般局部搜索法相比,超常规注记配置出现的数目大大降低,其缺点在于配置速度较慢。     

兼顾属性分级的地图注记自动配置算法

地图注记是一种广义的地图符号,用以配合其它符号说明事物的名称、数量、质量特征,是地图中不可缺少的重要内容。注记位置配置的合理与否在很大程度上影响着地图的易读性,而注记配置速度的快慢也直接影响了地图的显示速度。介绍了一种对于地图注记的自动配置算法,对于在电子地图中实现注记自动配置显示具有参考意义。     

一种求解学区划分问题的混合启发式算法

针对目前求解学区划分问题算法搜索过程缺乏记忆,搜索效率不高,容易陷入局部最优而收敛慢等问题,该文提出一种多启动(M)框架下,迭代禁忌搜索(ITS)算法与模拟退火(SA)算法混合的M-ITS-SA算法。该算法包括构造初始解、禁忌搜索、SA算法优化与求解等。运用K-Medoids模型对学校分组后,采用M-ITS-SA算法对学区进行划分与优化,并从多个分区方案中求解最优分区方案。学区划分实验结果表明:该文提出的M-ITS-SA算法能够保证分区的空间连续性,适用于单校和多校划片,并在入学总距离上与混合元启发算法(M-ILS-SPP)保持相当的同时,大大降低了超额招生人数和总用时,具有良好的寻优能力和收敛性,优于M-ILS-SPP算法。     

一种自动生成曲线间中心线的算法

自动获取曲线间的中心线在地理信息系统、机助制图等方面有着较为广泛的应用。在分析中心线性质基础上，提出一种基于矢量方法的中心线生成算法－单位圆滚动追踪法，阐述算法的基本原理和实现步骤，为进一步提高算法的执行效率设计了相应的优化方法，最后给出一些应用实例。     

一种新的等值线数据压缩算法

本文在传统的数据压缩方法之上提出了一种新的数据压缩算法，该算法理论简单，压缩光滑有效果，通过该法能删除冗余数据，减少数据的存贮量，提高了后读工作的速度和精度，并用实例验证了该算法的正确性。     

高光谱影像分类EM算法的完善

在高光谱影像分类过程中,往往无法获取足够数量的训练样本,使得类别分布参数估值精度降低,并最终影响分类结果.EM方法为该类问题的解决提供了途径,但由于地面信息的复杂性及算法自身的原因,将其应用于高光谱影像的分类仍有许多待完善之处.文中叙述了该算法的完善策略,包括借助低通滤波器获得各参数更为合理的初值,以及如何克服噪声对该算法的影响.实验表明,经过完善的EM方法具有很强的适用性,可以获得精度更高的分类结果.     

高光谱影像分类EM算法的完善

在高光谱影像分类过程中,往往无法获取足够数量的训练样本,使得类别分布参数估值精度降低,并最终影响分类结果。EM方法为该类问题的解决提供了途径,但由于地面信息的复杂性及算法自身的原因,将其应用于高光谱影像的分类仍有许多待完善之处。文中叙述了该算法的完善策略,包括借助低通滤波器获得各参数更为合理的初值,以及如何克服噪声对该算法的影响。实验表明,经过完善的EM方法具有很强的适用性,可以获得精度更高的分类结果。     

图着色的混合遗传算法研究

研究了一种结合贪心算法的混合遗传算法及其各种交叉算子,应用于平面图的四色着色问题。通过实验分析对比了该混合遗传算法的4种可行的交叉算子对该算法的影响,结果显示,边重组交叉算子效果最好。     

基于空间统计特征的河网结构分类

提出了基于特征因子进行空间数据库河网结构分类的方法和技术。探讨了各种类型河网的特征,阐述了对河网进行分类的因子及河网分类的方法和过程,描述了河网数据的有向图组织及其分类实验。     

A*搜索算法的正射影像镶嵌线自动提取

针对现有的正射影像镶嵌过程中镶嵌线的提取所存在的缺陷,该文提出一种基于A*搜索算法的镶嵌线自动提取方法,此方法首先提取重叠区域的Canny边缘图像,并把边缘图像中的边缘信息作为需要避开的范围;然后基于边缘图像的每一个像素及像素间的邻接关系构建带权有向图,将镶嵌线的自动提取转换为带权有向图中起点到终点的路径搜索问题,设计满足可接纳性准则的A*搜索算法提取满足一定条件的最短路径作为全局最优镶嵌线。利用实际影像数据进行实验,实验结果表明:该算法自动提取得到的镶嵌线可以快速、有效的避开边缘特征明显区域,对全自动正射影像制作具有应用价值。     

高光谱分类EM算法密度模型参数初值的选取

在高光潜影像的分类过程中，往往无法获取足够数量的训练样本点，这是由于影像数据维数的大幅增加以及地面信息的复杂程度所决定的。EM算法的应用可以有效地缓解训练样本点数量与数据维数比率过小的矛盾，但该算法只能保证获得各参数的局部极大估值，因此选取合适的起始点就成为获得理想分类结果的前提条件。由于类别可分性对EM算法的估值精度有直接影响，本文论证了通过对训练样本点进行低通滤波，可以使类别可分性得到改善。实验表明，在此基础上进行EM算法，可以得到较为理想的处理结果。     

GABA算法的遥感图像分类

为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。     

基于遗传算法的制图综合模型研究

在指出制图综合大部分问题可以看作是优化问题的基础上,创造性地将遗传算法引入制图综合研究中,建立了基于遗传算法的制图综合模型。以点群目标选取为例,对基于遗传算法的制图综合模型中编码、适应度函数等关键性问题进行了深入的探讨。实验结果表明,基于遗传算法的制图综合模型是解决数字地图环境下自动综合问题的一条全新而可行的思路。     

基于道路网络知识的启发式层次路径寻找算法

基于道路网络的知识,探讨了定义一个层次拓扑来帮助路径寻找及如何确定层次之间转换的入/出结点,并结合启发式技术来提高路径计算性能的路径寻找算法。实验表明,该方法不仅可以减少计算所需要的时间和空间,也会产生一个符合人类思维特点的解。