共查询到19条相似文献，搜索用时 163 毫秒
1.
针对定量过滤法剔除伪增量时存在的真增量被过度过滤、伪增量不能完全过滤等缺陷,结合国家1∶5万数据库更新工程的实际需求,提出一种新的伪增量剔除方法——拓扑量化法,主要思想是结合拓扑空间关系判断与缓冲区量化分析来识别伪增量,进而得到更加准确的增量信息。 相似文献
2.
时空变化分类是地理信息建模与更新的一个核心问题,直接影响着数据存储组织、增量信息采集、联动更新处理和变化信息发布的效率与水平。以往人们主要是研究目标整体的变化分类,对目标差异部分的变化分类研究甚少。本文分析了时空目标公共部分在差异类型区分中的作用,认为应兼顾异同部分,提出了一种基于目标差、被差和交的目标快照差三元组,为时空目标差异部分的分类描述提供了形式化方法。继而对面、线的快照差进行了形式化分类描述,给出了有实际意义的变化类型。然后根据线目标快照差类型,构建了对应的增量更新操作;按照面目标快照差类型进行了时空目标的增量表达试验等。 相似文献
3.
针对目前面状实体增量融合过程中存在的拓扑冲突检测及一致性维护方法局限性强、通用性及效率较低、拓扑差异识别不准确等问题，提出了一种新的基于空间关系模型的拓扑一致性检测及维护方法。该方法在面状增量实体的基础上，设计了包括定性的面状实体拓扑关系类型、定量的位置特征及部分拓扑关系的集成空间关系表达模型，以最新版本数据库中面状增量实体的拓扑关系为冲突检测标准，设计并实现了顾及几何一致性的面状实体拓扑冲突自动检测和一致性维护算法。实验结果表明，该算法精度可达到90%左右，可很好地完成增量融合过程中的冲突检测及拓扑一致性维护工作，针对性强，适用性高。 相似文献
4.
增量发布模式的实现首先需要确定空间目标产生的增量时空变化,提出了一种层次化的增量时空变化分类计算模型,分别计算空间目标现实世界的整体状态差、空间目标数据库中的整体状态差、空间目标空间状态差,其中空间状态差的计算选择空间目标维数、尺寸、形状和位置4个测度.根据4算子取值集合确定单空间目标的基本增量时空变化,并通过组合基本增量时空变化构造单空间目标和多空间目标的复杂增量时空变化. 相似文献
5.
为解决潜艇多目标作战的任务调度问题,针对处理器服务的作战任务队列,提出了基于目标信息增量的作战任务调度算法。运用信息处理系统计算各目标信息增量来描述作战系统对各目标状态的了解程度,并分别给出了作战系统目标探测、识别和跟踪过程中信息增量的计算方法。仿真结果表明,该方法能够定量描述作战任务调度和目标信息不确定性之间的关系,具有一定的可行性和实用性。 相似文献
6.
空间数据库增量式更新机制的研究 总被引：2，自引：0，他引：2
长期以来,空间数据库一直存在着现势性问题,直接制约了其使用价值和使用范围,因此,空间数据库的持续更新问题正逐步成为新的热门研究课题。本文分析了空间数据库增量式更新机制的基本原理,提出了一整套增量建模、增量识别与增量融合的技术方案,并对该方案进行了实验和分析。 相似文献
7.
为提高空间数据增量更新中拓扑冲突的检测效率,针对道路网数据,首先分析了增量要素进行更新时可能产生的拓扑冲突的类型和特点,运用规则格网进行邻近区域的表达;然后使用5元组模型描述增量要素与邻近区域要素间的拓扑关系,与设定的拓扑冲突表达进行比较,判断是否存在拓扑冲突。实验结果表明,本方法对于道路网数据增量更新中的拓扑冲突的类型区分准确全面,检测效率较高,具有很好的实用性和可靠性。 相似文献
8.
在HR-树基础上分别融入了HR^＋ -树、SEST时空索引与快照-增量索引结构思想，对共享指针与非共享指针进行了区分，增加了增量与事件的索引数据结构。提出了基于HR-树扩展的时空索引模型，为实现高效、统一的时空查询提供了理论依据。 相似文献
9.
时空聚类分析是对时空大数据进行利用的一种有效手段。本文提出了一种分布式增量大数据聚类分析方法,利用分布增量机制不但可以减少重复计算和迁移拷贝次数,而且可以持续对聚类结果进行修正,能够在保持聚类准确性的条件下提升整体运算效率。而聚类算法本身通过数据聚集趋势预分析、聚类算法和结果评价3个步骤,构建了一体化时空邻域,在时间和空间维度保证了聚类结果的准确性。经过试验证明该方法可以实现时空大数据的快速高效信息挖掘。 相似文献
10.
针对道路网增量更新模式中增量更新文件的组织和表达等问题,对现有方法进行了比较和改进,提出一种基于可伸缩矢量图形(SVG)数据格式增量更新文件的快速生成方法 ;重点研究如何在现有GIS软件平台下快速提取增量信息以及生成增量更新文件的关键技术。实验结果表明,得到的SVG增量更新文件更适用于客户端的数据更新操作,较传统的XML格式有更好的表达显示效果,验证了该技术方案的可行性。 相似文献
11.
12.
传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息。当研究对象的图像特征高度相似时，识别率较低，如对于真假目标的识别，仅仅利用物体的图像信息很难得到满意的识别结果。针对上述问题，提出了一种综合利用图像和光谱信息的物体真假模式识别方法。该方法采用卷积神经网络模型，通过迁移学习的方式构建图像识别模型，并依据物体图像的语义特征进行物体类别识别，在此基础上，基于逆传播（back propagation，BP）神经网络模型，结合物体的实测光谱数据进行物体真假识别。为了验证该方法的准确性和有效性，利用真假苹果和葡萄作为测试对象，单独利用图像信息和光谱信息进行识别时，识别率分别为38.50%和63.00%，而利用该综合方法得到的识别率为95.00%。可认为该方法提高了真假目标混杂情况下的识别准确度，可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考，也为航天侦查载荷设计提供了新的思路。 相似文献
13.
《International Journal of Digital Earth》2013,6(2):138-157
The discovery of spatio-temporal clusters in complex spatio-temporal data-sets has been a challenging issue in the domain of spatio-temporal data mining and knowledge discovery. In this paper, a novel spatio-temporal clustering method based on spatio-temporal shared nearest neighbors (STSNN) is proposed to detect spatio-temporal clusters of different sizes, shapes, and densities in spatio-temporal databases with a large amount of noise. The concepts of windowed distance and shared nearest neighbor are utilized to define a novel spatio-temporal density for a spatio-temporal entity with definite mathematical meanings. Then, the density-based clustering strategy is employed to uncover spatio-temporal clusters. The spatio-temporal clustering algorithm developed in this paper is easily implemented and less sensitive to density variation among spatio-temporal entities. Experiments are undertaken on several simulated data-sets to demonstrate the effectiveness and advantage of the STSNN algorithm. Also, the real-world applications on two seismic databases show that the STSNN algorithm has the ability to uncover foreshocks and aftershocks effectively. 相似文献
14.
15.
16.
17.
时空聚类算法是地理时空大数据挖掘的基础研究命题。针对传统CFSFDP聚类算法无法应用于时空数据挖掘的问题,本文提出一种时空约束的ST-CFSFDP(spatial-temporal clustering by fast search and find of density peaks)算法。在CFSFDP算法基础上加入时间约束,修改了样本属性值的计算策略,不仅解决了原算法单簇集多密度峰值问题,且可以区分并识别相同位置不同时间的簇集。本文利用模拟时空数据与真实的室内定位轨迹数据进行对比试验。结果表明,该算法在时间阈值90 s、距离阈值5 m的识别正确率高达82.4%,较经典ST-DBCSAN、ST-OPTICS及ST-AGNES聚类算法准确率分别提高了5.2%、4.2%和7.6%。 相似文献
18.
融合时空邻近与专题属性相似的时空聚类是挖掘地理现象时空演化规律的重要手段。现有方法需要的聚类参数许多难以获取,影响了聚类方法的可操作性与聚类结果的可靠性。提出一种基于重排检验的时空聚类方法。首先,通过重排检验发现时空数据集中的均质子区域;进而,采用均方误差准则合并均质子区域内的时空实体生成时空簇,并通过簇内重排检验自动识别聚类合并的终止条件;最后,借助时空拓扑关系在保证结果精度的前提下发展一种快速重排检验的方法,提高了聚类方法的运行效率。通过实验和比较发现,该方法一方面可以发现不同形状、大小的时空簇,聚类质量优于经典的ST-DBSCAN方法;另一方面聚类过程中人为设置参数的主观性显著降低,提高了聚类方法的可操作性。 相似文献