多模型协同下的城郊地区DEM构建方法研究

人类活动对地表的改造使其呈现形态多样化、不连续等特征,此时传统的DEM构建方法难以满足这些区域DEM精度要求。为此,本文提出了一种多模型协同构建DEM的思路,首先按照形态特征和语义信息对地形进行分类,然后对不同类型的地形区域,选择、设计适宜的方法分别进行DEM构建,最后将不同区域构建DEM结果融合拼接形成区域完整的DEM结果。本文选择江苏省南京市城市郊区某区域为实验区,以1:500比例尺地形图为基本数据源进行DEM构建实验。实验结果表明,与传统经典DEM构建方法相比,本文提出的多模型协同的DEM构建方法能够有效表达实验区域不同的地形特征,特别是对于人工改造的地形(如道路、边坡等区域),本文方法构建的DEM其形态精度优势显著;同时,基于验证点法的高程精度分析结果表明,本文方法构建DEM的高程精度亦优于传统DEM构建方法,特别是对于一些形态规则而高程信息相对稀少的区域,以边坡区域为例,经典DEM构建法平均误差均超过5 m,而本文构建结果平均误差为0.26 m,精度优势非常明显。研究表明本文提出的多模型协同的DEM构建方法适用于人类活动改造或显著影响的区域的DEM构建。     

主题学习和稀疏表示的MODIS图像超分辨率重建

针对MODIS图像分辨率受传感器限制和噪声干扰,且分辨率局限在一定水平等问题,提出一种采用主题学习和稀疏表示的MODIS图像超分辨率重建方法,该方法通过双边滤波将MODIS图像的平滑及纹理部分分离,并将纹理部分看成是由若干"文档"组成的训练样本;运用概率潜在语义分析提取"文档"的潜在语义特征,从而确定"文档"所属的"主题"。在此基础上,针对每个主题所对应的图像块,采用改进的K-SVD方法训练若干适用于不同主题的高低分辨率字典对,从而可以运用这些字典对,通过稀疏编码实现测试图像相应主题块的超分辨率重建。实验结果表明,重建图像在视觉效果和PSNR等指标上均优于传统方法。     

Extracting and analyzing semantic relatedness between cities using news articles

News articles capture a variety of topics about our society. They reflect not only the socioeconomic activities that happened in our physical world, but also some of the cultures, human interests, and public concerns that exist only in the perceptions of people. Cities are frequently mentioned in news articles, and two or more cities may co-occur in the same article. Such co-occurrence often suggests certain relatedness between the mentioned cities, and the relatedness may be under different topics depending on the contents of the news articles. We consider the relatedness under different topics as semantic relatedness. By reading news articles, one can grasp the general semantic relatedness between cities; yet, given hundreds of thousands of news articles, it is very difficult, if not impossible, for anyone to manually read them. This paper proposes a computational framework which can ‘read’ a large number of news articles and extract the semantic relatedness between cities. This framework is based on a natural language processing model and employs a machine learning process to identify the main topics of news articles. We describe the overall structure of this framework and its individual modules, and then apply it to an experimental dataset with more than 500,000 news articles covering the top 100 US cities spanning a 10-year period. We perform exploratory visualizations of the extracted semantic relatedness under different topics and over multiple years. We also analyze the impact of geographic distance on semantic relatedness and find varied distance decay effects. The proposed framework can be used to support large-scale content analysis in city network research.     

北京市电子地图集的设计与技术实现

在电子地图设计的研究中,“用户界面设计”、“三维景观表达”、“多媒体的使用”、“动态注记”、“图形冲突”和“屏幕地图的交互功能”等都是至关重要的问题。然而在电子地图日益普及的今天,对这些问题的认识还需进一步的研究。本文结合《北京市电子地图集》的创作实践,详细讨论了电子图集的功能设计和界面设计,对以上问题提出了切实可行的的解决方案,并给出了较为理想的试验结果     

从CAD到ArcGIS格式数据转换的精度改进

针对直接利用空间数据操作引擎将CAD注记数据转换成ArcGIS数据与原CAD图文字注记数据存在一定差异的问题,提出了一种新的转换注记方法。利用Arc Map提取CAD原图注记层数据,较好的减少了FME转换的注记的差异,为地形图的转换提供了可行的方案。以某市的地形图为数据源进行实例论证,实验结果显示所提的方法不仅能够更好地保持数据的精度和完整性,还有利于数据的入库。研究结果对从事地理信息系统开发的技术人员具有一定的参考价值。     

基于Solr的空间数据语义搜索研究

随着互联网技术的飞速发展,基于网络地图的空间数据搜索成为人们获取空间信息的重要手段。文章分析了当前地图搜索的不足和瓶颈,阐述了其在处理空间语义方面的缺陷,提出了一种基于Solr的空间数据语义搜索方案:将全文检索引擎Solr应用到空间数据搜索中;同时,引入自然语言处理和本体技术,实现基于自然语言查询的空间数据语义搜索。最后建立原型系统进行验证,证明了该方案的可行性和有效性。     

Exploration of spatiotemporal and semantic clusters of Twitter data using unsupervised neural networks

ABSTRACT

The investigation of human activity patterns from location-based social networks like Twitter is an established approach of how to infer relationships and latent information that characterize urban structures. Researchers from various disciplines have performed geospatial analysis on social media data despite the data’s high dimensionality, complexity and heterogeneity. However, user-generated datasets are of multi-scale nature, which results in limited applicability of commonly known geospatial analysis methods. Therefore in this paper, we propose a geographic, hierarchical self-organizing map (Geo-H-SOM) to analyze geospatial, temporal and semantic characteristics of georeferenced tweets. The results of our method, which we validate in a case study, demonstrate the ability to explore, abstract and cluster high-dimensional geospatial and semantic information from crowdsourced data.     

基于用户点击数据的细粒度图像识别方法概述

近年来,细粒度图像识别逐渐成为计算机视觉领域的研究热点.由于不同类别图像间的视觉差异小、语义鸿沟问题严重,传统的基于视觉特征的细粒度图像识别性能往往不尽人意.针对这些挑战,目前许多学者都在研究基于用户点击数据的图像识别.本文围绕点击数据在图像识别中数据预处理、特征提取和模型构建3大模块中的应用,总结了已有的基于点击数据的识别算法及最新的研究进展.     

旅游资源专题语义符号自动匹配

针对传统符号自动匹配过程中匹配对象单一且符号复用率较低的问题,该文面向旅游专题符号提出了一种基于语义的符号匹配方法,利用语义分析与语义推理,解决制图所需符号的语义信息归类问题;用所属类符号进行符号匹配,较好地实现了一种符号的多种应用场景。实验结果证明该方法对提高符号的复用率及使用的规范性具有积极意义。     

一种顾及道路影响的点状要素注记自动配置模型

针对制图过程中点状要素数量巨大且分布密集的时候,传统注记配置方法无法兼顾解决注记压盖、歧义,同时减少时间耗费的问题,该文提出了一种基于图论的点状要素注记配置模型。该模型在考虑传统点状要素注记配置问题的同时,还可以附加考虑其他影响注记位置摆放的条件,并将其形式化表达为最大团问题;随后使用一种基于禁忌搜索策略的启发式算法来求解该最大团问题,从而得到注记配置问题的解;该模型有效地提高了注记配置问题的求解效率,较好地平衡了注记位置压盖和位置歧义的关系。最后,该文具体以沿道路分布的点状要素注记配置模式为例进行实验,证明了该注记自动配置模型可以有效地增强地图的可读性和美观性。