Grid pattern recognition in road networks using the C4.5 algorithm

Pattern recognition in road networks can be used for different applications, including spatiotemporal data mining, automated map generalization, data matching of different levels of detail, and other important research topics. Grid patterns are a common pattern type. This paper proposes and implements a method for grid pattern recognition based on the idea of mesh classification through a supervised learning process. To train the classifier, training datasets are selected from worldwide city samples with different cultural, historical, and geographical environments. Meshes are subsequently labeled as composing or noncomposing grids by participants in an experiment, and the mesh measures are defined while accounting for the mesh’s individual characteristics and spatial context. The classifier is generated using the C4.5 algorithm. The accuracy of the classifier is evaluated using Kappa statistics and the overall rate of correctness. The average Kappa value is approximately 0.74, which corresponds to a total accuracy of 87.5%. Additionally, the rationality of the classifier is evaluated in an interpretation step. Two other existing grid pattern recognition methods were also tested on the datasets, and comparison results indicate that our approach is effective in identifying grid patterns in road networks.     

无人机三维倾斜摄影测量助力自然资源调查——以不动产调查为例

随着第一次地理国情普查与监测、第三次全国土地调查等重大自然资源调查类项目的实施,以无人机作为搭载平台的遥感影像获取手段在不断发展并深入应用,特别是无人机航测技术和地理信息技术的结合应用越来越紧密.本文以不动产调查为例,重点论述结合无人机三维倾斜摄影测量技术在内的测绘地理信息新手段的作业原理及应用情况,并对其优缺点进行总...     

Stroke构造、移位一体化的道路网示意化方法

针对当前常用示意性地图生成方法中往往存在简化程度不够、未考虑长度信息以及时间效率低等问题,提出了stroke构造、移位一体化的道路网示意化方法。该方法在对道路网进行stroke划分构造的同时,直接对其进行渐进式的移位示意化及拓扑检查。同时本文还提出利用相似分形维数来定量比较并验证不同示意化方法的有效性。试验表明,本算法在考虑原始线形的基础上,示意化过程简单,时间效率较高,减少了拓扑冲突问题,保证了拓扑一致性及路网的均衡分布,具有较好的清晰度和认知度。     

回归-Elman网络在矿坝变形预测中的应用

金矿开展矿坝的变形监测工作,引入多层递阶回归分析模型,有较高的预测精度,但方法较繁琐,计算较复杂。由于变形数据可分离成趋势项与随机项,趋势项可用多元线性回归良好地拟合;随机项的预测,文中采用Elman网络建模计算,最后利用矿坝的实测高程位移数据进行验证,并与多层递阶回归进行比较。结果表明:回归-Elman网络模型比多层递阶回归的预测精度更高,效果更好,且方法简洁实用性强。     

改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。     

南京奥体中心主轴线的测设

结合南京奥体中心主轴线的测设实践介绍了一种不同于常规的归化法轴线测设方法,结合测量误差理论对该方法进行了精度分析,给出了相应的精度估算式,通过工程实例的具体数据说明该方法具有较高的归化精度。     

利用一种模糊神经网络对遥感影像进行分类的研究

结合遥感影像的特点,提出一种模糊逻辑系统和神经网络中的BP算法相结合的模糊神经网络,利用其进行整个遥感图像的分类,并和典型的BP神经网络进行对比,发现其优点以及存在的问题。     

基于激光跟踪仪的三维控制网测量精度分析

介绍三维控制网的优点及激光跟踪仪测量系统的特点,讨论了光束法平差原理及不同观测值的权比问题,并以100MeV电子直线加速器安装测量控制网的模拟计算和实测结果,论证了利用激光跟踪仪进行三维控制网的精度。     

Helmert方差估计在桥梁跨江导线网中的应用

导线网在桥梁施工控制网的加密测量中得到广泛使用,由于存在两类不同性质的观测值以及导线边长度不等的问题,平差时应当考虑边角观测值权的统一和不同观测边权的合理取定。本文结合某特大型桥梁加密控制测量的实际情况,对跨江导线网中边长相差较大等问题,采用Helmert方差估计方法分析平差过程中权的合理取定问题,明显地提高了平差结果的精度。     

基于Delaunay三角网的河流中线提取方法

鉴于水系自动综合中河系数据模型建立的复杂性,利用ArcObject提供的组件在双线河和狭长湖泊间构建约束的Delaunay三角网,继而提取其骨架线,从而得到双线河和狭长湖泊的中轴线,之后进行拓扑关系的保持,有效地简化了水系数据模型的建立,为后续的空间分析打下基础。