顾及密度差异的河系简化

河系简化是地图综合中经常需要处理的任务,其难点主要在于依据上下文环境对河流进行结构化选取,以保持河网密度差异等宏观特征。提出一种新的河流等级规则,依据河流的各级支流的数量确定河流的等级,以反映河流的密度差异;设计一种结合河流等级、长度与所在层次的综合指标进行河流选取;探讨在自动构建河系树的基础上计算河流等级、所在层次等指标的方法;最后使用综合指标进行河流结构化选取试验。结果表明,以新等级规则为基础的综合指标切实可行,能够在一定程度上保持河网密度的区域差异。     

“数字城市”建设中的地图综合技术

在“数字城市”建设中,完成了基本比例尺地图数据建库后,面临的紧要问题就是如何维护更新数据,以及建立跨比例尺数据间的联系,数字技术环境下的自动化地图综合技术成为必须解决的技术问题。通过“数字深圳”空间数据基础设施建设实际,讨论了数字环境下地图综合的概念、实施路线及软件开发方法,对多尺度空间数据库建设有关问题进行了思考。     

图斑数据自动概括中面向地理特征的层结构选取

在信息定义和结构化选取的基础上，根据图斑的空间分布与距离联系，给出图斑数据地理要素层结构的定义和建立过程，从而实现图斑数据制图概括中对象选取的模型化。     

软多边形地图要素弯曲识别模型及其应用研究

以边界线构减点的坐标单调性变化分析为基础，提出了地图上软多边形要素弯曲识别模型，给定了弯曲的凸凹性定义，建立了弯曲的多种形态量化指标，规范了弯曲邻接关系的形式及确定方法。研究了模型在软多边形地图要素图形综合简化中的应用，形成了简化这类要素图形的三种基本手段。     

制图综合知识及其应用

阐述了制图综合知识的概念、结构和组织方法，提出了基于制图综合知识的综合任务提取、综合算法与结果的评估、综合操作监控以及基于知识的制图综合任务存储等原理和方法。实验表明，制图综合知识的使用，对制图综合各个环节的评价提供了依据。对综合自动化程度的提高有着重要的推动作用。     

基于数据库的大比例尺基础地理数据缩编需要注意的一些问题

提出了基于数据库的大比例尺基础地理数据缩编需要注意的一些问题，并从加强数据设计的完整性、作好数据准备工作，提高自动化处理功能，人机交互辅助缩编，满足地图回放的要求，加强数据质量控制等方面阐述了实现基于数据库缩编的实用方法。     

线状要素化简算法的分析与评估

线状要素是地图中量最大、形式最多样的要素,它们的化简在自动制图综合中非常重要。目前对线状要素化简的算法研究较多,但其化简质量却少有研究。针对化简算法的基本要求,提出了易于操作的评估化简算法质量的6个方面:面积差、弯曲度、最大拐角比率、化简变化趋势、化简结果一致性和自相交性。通过大量实验,比较了Douglas-Peucker等算法的化简效果,最后对化简中的自相交问题提出了相应的改正措施。     

道路数据缩编更新的自动综合方法研究

缩编更新是当前GIS多尺度数据库更新的重要技术途径之一。针对我国国家1∶5万数据库更新工程的实际需求,研究分析了用较大比例尺新道路数据缩编更新较小比例尺道路数据的总体思路,提出了基于网眼密度的道路选取和顾及层次分析的道路匹配方法,实现了道路数据缩编更新的自动综合处理,并在1∶5万数据更新实践中进行了实验验证。     

基于自适应Kalman滤波的BP神经网络及其在高程拟合中的应用

针对传统BP神经网络容易发散、泛化能力差等问题，采用自适应Kalman滤波方法训练神经网络的连接权。与Kalman滤波训练连接权和传统的BP算法相比，该方法提高了BP神经网络计算精度，增强了泛化能力。实测数据的计算结果证明了该方法的可行性与有效性。     

基于Kohonen网络的点群综合研究

基于Kohonen网络模型，对标准的SOM（self-organizing feature map）算法进行了改进，在保持点群原有空间分布特征的情况下研究点群的选取和典型化。实践表明，该方法适合任意空间分布类型的点群综合。