基于C4.5算法的道路网网格模式识别

提出一种基于C4.5算法的网格模式识别方法。该方法以道路网中的网眼为基本单元,根据上下文关系将其标识为属于网格模式和不属于网格模式两类。首先采用形状参量和关系参量描述网眼,然后,基于决策树C4.5算法分别对5参量描述和3参量描述数据构造分类器,运用10折交叉验证获得具有说服力的结果,其Kappa值分别为0.63和0.66,正确率分别为81.7%和82.9%,置信度90%的置信区间分别为[0.785,0.846]和[0.797,0.857]。在新数据上进行了识别效果的验证,结果表明该分类器可用于网格模式的识别。     

对自组织映射聚类实现道路网网格模式识别

提出了一种基于对自组织映射聚类的道路网网格模式识别方法。以道路网中的网眼为基本单元,从网眼自身形状特征、相邻网眼的形状特征以及与周围网眼的关系等方面定义了5个参量。将由5个参量描述的网眼及由CRITIC方法导出的参量权重作为自组织映射的输入,经过训练,运用K-means方法对神经元码书向量进行聚类。对深圳市道路网数据进行了实验和对比分析,结果表明该方法能有效识别网格模式。     

运用主成分分析识别道路网中的网格模式

提出了基于主成分分析的网格模式识别方法。首先利用形状参量和关系参量描述道路网中的网眼;然后生成网眼数据的主成分;最后,根据主成分分析构造参量权重的思想,导出网眼属于网格模式隶属度,根据该参数识别网格模式。实验结果表明,识别结果与肉眼识别类似。     

基于模拟退火的量化空间关联规则挖掘

目前在空间关联规则挖掘研究中,对数据的处理和算法的改进主要针对布尔关联规则挖掘,存在对空间关联规则的量化表示不够重视等问题。在FP-growth算法的基础上增加规则的事务信息,并使用模拟退火算法,对得到的规则进行进一步挖掘,得到量化空间关联规则。     

从GIS数据库中挖掘空间关联规则研究

G IS数据库中空间关联规则发现是SDMKD的重要内容,广泛涉及到知识的表示和推理,需要地理空间知识的深入参与。在地理空间认知的基础上,结合认知逻辑,通过ILP对空间关联规则进行形式化描述,特别分析了其中涉及的空间谓词;通过例子说明了形式化空间关联规则的具体应用。从G IS数据库中挖掘空间关联规则的主要问题是多层、多关系的规则挖掘问题,不同专题图层不同空间对象之间空间谓词的高效计算与存储表达是解决问题的关键;把空间关系非空间化,将连续数据离散化,从而把求解问题转换成布尔型关联规则问题进行讨论,基于此而探讨了一种通过SJI-P表组织空间谓词,然后根据目标对象的概念层级自顶向下、逐层细化的空间关联规则挖掘方法。     

基于Voronoi图的空间关联规则挖掘方法研究

提出了利用Voronoi图作为辅助工具实现连续空间离散化的方法,并给出了基于Voronoi图构建空间事务数据库(spatial transaction database,STD)的算法。在此基础上,采用经典的Apriori算法来例证如何从STD中挖掘空间关联规则。实际算例验证了本文方法的可行性和有效性。     

基于元模式的空间关联规则挖掘方法

空间关联规则可以从空间数据库中发现空间对象之间的隐含的、不明确的空间关系。空间数据库中空间关联规则挖掘研究是空间数据挖掘和知识发现(SDMKD)的主要内容,其主要问题是多层,多关系的规则发现问题。本文把元模式与空间关联规则挖掘相结合介绍了挖掘地理信息系统(GIS)中空间数据库关联规则的常用步骤方法。     

运用图论进行道路网网格模式提取

提出了一种基于图论的网格模式提取方法。该方法根据道路之间的关系生成关系图,运用交、联、提取连通分量和极大完全子图等图论算子完成模式的提取。实验结果表明,该方法能有效地进行网格模式的提取。     

空间关联规则挖掘在中国农业普查中的应用研究

空间关联规则挖掘是一个过程,主要包括数据选取、数据预处理、数据变换、数据挖掘算法实施以及模式解释与评估等。目前,相关研究的重点在于各种空间关联规则挖掘算法的实施,而对其他几个步骤的研究比较少,如多个字段的综合处理、连续数据的离散化等。同时,农业普查数据尤其是第二次全国农业普查数据涵盖了丰富的"三农"信息,像座宝藏,期待人们运用各种技术开发利用。空间关联规则挖掘无疑是挖掘农业普查数据宝藏的最理想工具。本文将空间关联规则挖掘首次引入中国农业普查当中,以其在甘肃农业普查中的应用实例详细描述空间关联规则挖掘各步骤处理过程及各技术关键的处理方法,最后得出一些甘肃省各界最为感兴趣的知识,为甘肃省解决"三农"问题提供决策依据。     

时序空间关联规则挖掘及其应用研究

空间关联规则挖掘是空间数据挖掘的重要内容,文中给出了时序空间关联规则挖掘的相关概念、原理及实现（算法）,研究了时序空间关联规则挖掘数据集的构造方法,提出通过空间实体关联关系和时间项转置方法将处于不同时刻的、相互独立的空间数据集进行重构,生成隐含了时序空间关联特征的挖掘数据集,进而可应用关联规则挖掘算法获取时序空间关联知识,初步进行了时序空间关联规则挖掘的应用研究。     

利用路段连接图识别道路网中的格网模式

提出一种基于路段连接图的格网模式识别方法.该方法以路段连接对作为研究的基本单元,以节点路段为点,路段的连接为边用路段连接图表达道路网.将在道路网中识别格网转化为在路段连接图中搜索格网回路.提出了描述路段连接对几何与连接关系的5个参量,用于筛选图中符合格网特点的节点和边.设计了图搜索的约束条件,使用广度优先遍历搜索连接关...     

城市建筑群网格模式的图论识别方法

建筑群空间分布模式体现了城市的物质形式及其与社会经济功能之间的关系,反应了城市的空间结构特征,对于制图综合和多尺度表达等具有重要意义。结合国内外对该问题的研究,提出了基于图论的建筑群网格模式识别方法。首先分析研究了网格模式的认知特征和定义。然后利用Delaunay三角网构建建筑群的邻近关系,生成邻近图;从Gestalt视觉准则出发,基于三角剖分模型建立视觉距离;考虑直线模式的直线性、紧凑性等约束条件识别出交叉的多连通直线模式。最后对直线模式建立相交图和方向关系图,通过求解极大完全子图、连接、相交和后期修建等图运算,实现网格模式的识别。实验表明该方法能够识别出明显网格模式,其识别结果符合人类空间认知特点。     

建筑群多连通直线模式的参数识别方法

目的 结合国内外对建筑群空间分布模式的研究,提出了建筑群多连通直线模式的参数判别识别方法。首先从其组织规律出发,从距离、方向、大小3方面提取直线模式的结构化参数;然后利用 Delaunay三角网构建建筑群的邻近关系,生成邻近图;考虑直线模式的直线性、紧凑性等,通过模拟直线模式识别的人工过程进行邻近图的同质性修剪,识别出多连通直线模式。实验表明,该方法能够识别出明显直线模式,且具有完备性,允许模式相交,更符合人类空间认知特点。     

基于改进霍夫变换的环形交叉口识别方法

空间分布模式识别对地图综合、地图匹配等具有重要意义。环形交叉口是道路微观环形模式的典型代表。本文以改进的霍夫变换检测矢量圆环为基础,提出一种环形交叉口的几何识别方法。该方法将环形交叉口的识别分为环路识别和支路识别两部分,首先通过圆环识别、均匀度优化及相似度优化3个子过程识别环路,然后再通过连通性判别、支路分类和组合支路补充3个步骤提取支路。选取英国某区域道路网数据进行测试,结果表明,本文方法能够有效识别道路网中的环形交叉口,且召回率和准确率均高于对比方法。     

基于道路核密度的城市中心识别方法

道路网空间分布模式识别对制图综合、空间数据多尺度表达及空间数据匹配具有重要意义。城市中心是道路网语义模式的研究内容之一,通常位于道路网分布的密集区。针对现有方法存在的问题,提出一种基于道路核密度的城市几何中心识别方法。首先根据核密度估计得到道路线的连续密度分布表面;接着根据核密度统计值提取初始中心,将初始中心分为全局中心、局部中心和伪中心3类,通过面积阈值和包含关系去除伪中心;最后计算各中心区的中心力指标,并据此划分全局中心和局部中心。长春市和西安市道路网的实验结果表明,该方法识别的城市中心能够反映城市空间格局的整体特征和局部特征,与规划中心的对比结果验证了该方法的有效性。     

运用自组织映射识别街道网中的网格模式

提出了一种运用自组织映射识别网格模式的方法。首先,计算街道网中网眼的参数,这些参数是质心、面积、矩形度、延展度、是否含有平行边、边数、一阶邻居数和矩形度平均值;然后,将网眼作为自组织映射的向量进行训练,利用U-matrix可视化方法挖掘聚类得出结果。实验结果表明,该方法能有效地从不规则街道网中识别出网格模式。     

A Pattern‐Based Approach for Matching Nodes in Heterogeneous Urban Road Networks

This article presents an approach to hierarchical matching of nodes in heterogeneous road networks in the same urban area. Heterogeneous road networks not only exist at different levels of detail (LoD), but also have different coordinate systems, leading to difficulties in matching and integrating them. To overcome these difficulties, a pattern‐based method was implemented. Based on the authors' previous work on detecting patterns of divided highways, complex road junctions, and strokes to eliminate the LoD effect of road networks, the proposed method extracts the local networks around each node in a road network and uses them as the matching units for the nodes. Second, the degree of shape similarity between the matching units is measured using a Minimum Road Edit Distance based on a transformation. Finally, the proposed method hierarchically matches the nodes in a road network using the Minimum Road Edit Distance and eliminates false matching nodes using M‐estimators. An experiment involving matching heterogeneous road networks with different LoDs and coordinate systems was carried out to verify the validity of the proposed method. The method achieves good and effective matching regardless of differences in LoDs and road‐network coordinate systems.