点状要素群的结构化及其在综合中的应用

点状要素群是地图综合过程中必须处理的信息,文中分析了已有的点状要素群的分类方法,结合地图综合的特点,提出了一种改进的考虑点状要素群同其它要素关系的分类方法,通过建立点状要素群外轮廓线的方法结构化点状要素群,并用于点状要素的选取。     

曲线弯曲识别与等高线簇结构化方法

提出基于曲线弯曲识别的等高线簇结构化方法,实现等高线簇中所蕴含的地形结构的提取。首先对基于Delau-nay三角网的曲线弯曲识别方法进行改进,包括伪弯曲的合并、弯曲基点的调整及小弯曲的删除方法;基于此,建立弯曲间的层次嵌套关系及平行相邻关系,实现曲线弯曲的识别方法;然后,根据单条等高线间的空间关系,对弯曲类型进行判断;结合曲线间的空间邻近度计算方法,将等高线簇中的成组弯曲进行提取;最后完成了地形结构的识别,实现了等高线簇的结构化。该方法不仅对地形中的山谷进行提取,并且提取出了其对称结构即山脊。试验结果与水系叠置显示,所提取出的地形结构基本合理,证明了该方法的有效性。     

数据预处理技术在地学大数据中应用

大数据时代随着数据的爆发式增长,在带来可供研究的海量数据的同时,也带来巨量的噪声和冗余数据。在地学领域,由于研究方向和技术方法手段的多样化,产生了数据量巨大和类型众多的地学数据集合。在地学信息的研究过程中,经常碰到地学信息孤岛,分图幅地学数据边界系统误差和地学文档的非结构化问题。在对地学数据进行信息的提取和挖掘之前,必须根据研究目的对地学大数据进行预处理,使冗余、复杂的大数据转为结构化、准确、可用的数据。本文以地学大数据的预处理技术为切入点,从地学数据交互标准与语义、数据调平、地质图接边和文本结构化等四个研究方面,分析阐述目前地学大数据挖掘方面存在的问题及主要的解决手段,同时也对多元数据融合在大数据中的应用进行了阐述。希望通过本文对地学大数据预处理技术的探讨,能对地学大数据的挖掘有所帮助。