基于核密度估计的广佛都市区路网演变分析

道路密度信息广泛应用于景观分析、路网规划、城市边界提取与道路网综合等领域。提出了一种道路密度分区方法,该方法首先生成道路交叉点和端点的Voronoi图,然后运用G_i^*提取局部的Voronoi单元面积的高值聚集区与低值聚集区,最后将95%置信度下的高值区域和低值区域对应的相邻Voronoi单元合并。对Google地图上14级、13级和12级香港的道路网进行了实证研究,结果表明,该方法生成的密度分区大致反映了道路网的疏密,并较好地反映了选取前后各区域道路密度的对比规律。将本文方法与网格密度法进行对比,结果表明本文方法优于网格密度法。     

粒子群优化算法在遥感影像增强中的应用

遥感影像的复杂性给影像增强处理带来了困难。非完全Beta函数增强方法具有理想的增强效果,但是,其参数的合理选取是算法的关键与难点。粒子群优化算法(PSO)是基于鸟群群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。这里将PSO用于Beta函数参数的自适应选取,实现了基于PSO的非完全Beta函数增强方法,并通过航空和卫星遥感影像的增强实验,验证了该方法的有效性。     

基于网眼密度的道路选取方法

道路数据中的网眼密度能反映局部区域的道路密集程度,通过确定目标尺度要求的密度阈值,比例尺缩小后能够标识出数据中需要取舍路段的网眼;循环剥离密度最大的网眼,利用反映路段重要性的参数及其优先级,渐进筛选出舍弃的路段,并完成与邻接网眼的合并;得到的选取结果保持了道路网在密度、拓扑、几何及语义方面的重要特征,从而提出一种新的道路选取方法。最后进行实验,验证该方法的有效性。     

对偶图节点重要度的道路网自动选取方法

采用对偶拓扑方法构建基于广义路网拓扑的复杂交通网络,通过引入m阶邻居节点概念,考虑复杂交通网络中节点度、介中心及节点间距离等因素,顾及节点自身及1到m阶邻居节点的重要度贡献,定义了节点重要度评价模型,进而提出一种基于m阶邻居节点重要度贡献的道路网自动选取方法,并基于网络最小规模原则保持选取道路的连通性。为检验方法的有效性,引入度分布评价所选取道路对路网整体结构及拓扑特性的保持程度,并采用实际城市路网进行试验,结果表明本文方法选取的路网能较好地保持了原始路网的整体结构、拓扑特性及道路连通性,且算法稳定、可靠。     

小城镇地价影响因子简析

一、影响因子选取原则 城镇土地是自然、社会、经济的综合产物。城镇用地级别价格是由自然生产潜力和社会经济相互作用而形成的。影响城镇用地定级估价的因素很多。在选取因素时,应考虑当地的实际情况,按不同地类,选择性质相对稳定的、相关性小、差异性大、并使得因素自身的变化对土地生产力产生明显影响的因素作为参评因素。一般来说．在选取定级因素时应遵循以下原则。     

玻璃钢渔艇的型线设计与性能

本设计选取当地较优母型为据，进行改型设计。型线特点是前倾首V型，尾U型带半隧道式，对吃水浅的渔艇能容较大的直径的螺旋桨，有利于航速的提高。此外，耐波性好，抗风能力4至5级，     

顾及上下文特征的地图综合选取方法与应用研究

正过去几十年,随着地图综合模型、算法的涌现,在操作层面由计算机程序实施几何图形的尺度变换已不再困难,但是如何使其具有高层次分析决策能力,却一直困扰着地图学家。这主要涉及两方面问题:一是如何对地图表达上的地理上下文环境进行客观认知;二是依据上下文环境特征实施正确的综合操作行为。本文以目标选取这一基本问题为例,围绕概念模型、逻辑算法、应用系统几个方面,对顾及上下文特征的地图综合方法进行了专     

采用案例类比推理进行道路网智能选取

自动制图综合的智能化研究因受人类复杂思维制约,长期以来成为研究的薄弱环节。从人类学习和认知角度,借鉴人工智能领域基于案例推理学习的成果,提出一种基于案例类比推理的道路网智能选取新方法。该方法将制图专家对某区域道路网的交互选取结果作为参考标准,对其进行结构化描述并构建和转化为案例库;计算机采用一定的简化算法和泛化算法对该案例库进行分析和学习,获取检索效率更高和适应样本能力更强的案例模型库;计算机在对相似道路网自动选取时,根据获取的案例模型库,采用基于案例类比推理的方法,分析获取相应的解决方案,进而完成道路网智能选取。与已有研究成果相比,本方法以案例及其泛化模型来模拟专家思维,以计算机对案例模型的类比学习来进行相似道路网自动选取,弥补了传统道路网选取中智能性差的缺陷,为自动综合智能化研究找到了一条可行途径。论文最后对本方法的科学性和适用性进行了验证,并对实验结果做了分析和评价,同时指出了存在问题和进一步研究方向。