粗集理论在GIS属性数据和逻辑运算精度分析中的应用

运用粗集理论对 GIS属性数据分类的精度表示进行了研究 ,对其逻辑运算的“逻辑交”,“逻辑并”,“逻辑补”等算法的精度做了分析。     

空间数据质量综合评价方法的探讨

在分析现有空间数据质量综合评价方法的基础上,运用比较前沿的粗集理论,对GIS中的空间数据质量评价方法进行了探讨,提出了一种科学有效的评价思路,为空间数据质量评价提供了依据。     

GIS信息综合中一种改进的粗集选取方法

在现有的基于粗集的GIS信息综合的基础上,针对GIS信息表的特殊性,提出了先离散化再添加决策属性的粗集计算思路,采取动态评价目标重要性并选取的方法对目标进行综合。实验表明,该离散化思路可以很好地解决GIS信息表的离散化效率问题,动态评价选取的方法不仅能综合考虑目标的空间及属性信息,而且可以保持目标综合前后空间特征的一致性。     

GIS数据分析中权重确定的粗集方法研究

介绍了粗集方法的基本概念,将其中的属性重要性与GIS中常用的权重分析相结合,提出了基于粗集分类思想在GIS数据分析的权重确定中的应用方法。与传统的多因子分析中的权重确定方法相比,该方法是一种基于数据自适应的方法,不需要人为干预,具有智能高效等优点。     

粗集方法在地图综合中的应用

将粗集理论与方法应用于地图综合时,根据地图中空间信息的特性及其生成属性决策表的特殊性,提出先利用无监督的离散化方法对各连续型条件属性分别离散化后再根据属性决策表的应用目的对空间目标进行模糊分类添加决策属性的思路;然后利用粗集属性约简的方法计算各条件属性的重要性,并采取动态排序的方法对空间目标的重要性进行判断。该方法可以很好地解决将粗集应用于地图综合中无法预先确定决策属性的问题,对空间点目标的选取实验结果表明该方法是合理有效的。     

GIS中属性不确定性的处理方法及其发展

属性数据的不确定直接影响决策的准确性和可靠性,特别是对侧重于属性分析的领域,在研究属性不确定性的基础上,分析了GIS中的主要处理方法及其研究进展,具体地就基于GIS的模型,概率论及数理统计学,模糊集合,云理论,粗集等方法及进展进行讨论.     

基于点集拓扑学的三维拓扑空间关系形式化描述

本文阐明了研究空间关系理论的必要性，分析了拓扑空间关系描述方法的研究进展及存在问题，以点集拓扑理论为基础，运用维数扩展的方法，提出三维拓扑空间关系完善和形式化的描述框架，在此基础上，对三维空间目标中存在着的拓扑空间关系进行了分类，定义了五种基本的拓扑空间关系，并且给出了三维拓扑空间关系最小集的互斥性与完备性证明。     

基于粗集的GIS产品质量评价

在分析现有的GIS产品质量评价方法的优缺点的基础上．提出用粗集进行GIS产品质量评价．并用实例进行了具体的分析．得到了较为满意的结果。     

超体素随机森林与LSTM神经网络联合优化的室内点云高精度分类方法

针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题,提出一种超体素随机森林与长短期记忆神经网络（long short-term memory,LSTM）联合优化的室内点云高精度分类方法。该方法根据超体素结构具备内部特征一致性的特点,对原始点云进行超体素划分,并以超体素为基本单元进行多元特征计算,搭建室内点云超体素随机森林分类模型,实现点云数据的粗分类。在此基础上,引入LSTM对粗分类的超体素邻域连接关系进行神经网络模型训练与预测,实现超体素粗分类结果的优化。基于开放数据集对所提分类方法进行有效性和精度验证,结果显示,该方法在公开数据集中对13类要素的分类精度可达到83.2%;与经典的深度学习框架相比,该方法在小样本训练时可以达到更优的分类精度。     

简单面目标与带孔洞面目标间拓扑关系的层次表达方法

带孔洞的面目标是现实中较为常见的一类复杂目标,它们之间的拓扑关系要比简单面目标复杂得多.本文基于空间划分和目标分解的思想,利用点集(拓扑学)理论中的邻域概念详细分析和描述带孔洞面目标的点集拓扑分量,这种描述方法实质上是简单面目标点集拓扑分量描述的一种自然延展.进而,对简单面目标间拓扑关系的描述和区分方法进行了扩展,层次地分析和区分简单面目标与带孔洞面目标间的拓扑关系.相比于Egenhofer等人提出的代数描述和间接表达方法,本文提出的方法是一种直接描述和层次表达的方法,并且与简单面目标间拓扑关系的表达方法是相统一的.