共查询到20条相似文献，搜索用时 46 毫秒
1.
针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。 相似文献
2.
3.
提出了一种顾及结构和几何特征的道路网自动选取方法。综合考虑道路的度中心性、集聚系数和路划的几何长度等道路选取影响因素,提出一种道路重要性评价方法。实验结果表明,本文方法能够很好地保持选取道路网的整体与局部结构、拓扑结构以及路网连通性。基于该方法,由大比例尺地图选取出的小比例尺地图与相应标准比例尺地图保持较高的一致性,表明该方法是稳定可靠的。 相似文献
4.
道路网选取是自动制图综合的重点和难点之一,运用智能化方法实现选取是当前研究的热点。BP神经网络具有强大的非线性映射能力,可以模仿人脑机能,通过对样本的学习和训练实现自动选取;结合拓扑参数,可以使选取结果很好地保持原道路网的连通性和整体结构特征。因此,提出一种基于BP神经网络和拓扑参数的道路网选取方法。首先选择训练样本并计算其拓扑参数;然后设计BP神经网络的结构,利用训练样本进行训练,找出最佳网络结构;最后选取不同特征的道路网进行实验,将选取结果与专家选取的结果进行对比分析,评价了该方法的优势与不足,并指出了下一步的改进方向。 相似文献
5.
针对道路网多尺度匹配的问题,提出了一种在小比例尺数据道路网眼约束下的多尺度道路匹配方法。首先,构建两幅不同比例尺数据的道路网眼;其次,在小比例尺道路网眼的约束下,提取出大比例尺道路中由若干道路网眼构成的复合网眼,并完成与小比例尺道路网眼具有多对一和一对一关系的网眼匹配;然后,实现不同比例尺道路网眼的多对多匹配;最后,由复合网眼与小比例尺道路网眼的匹配关系转化为多比例尺道路网眼边界道路之间的匹配和内部道路之间的匹配,完成整个道路网的匹配。试验结果证明,本方法能较好地实现多尺度道路网的匹配。 相似文献
6.
7.
阐述了无级比例尺矢量数据信息处理技术的基本原理、流程与方法,研究了城市道路网信息提取的实现方法,概括了无级比例尺信息提取过程中要素选取的"取舍"原则,提出了面向对象的城市道路网分类体系,并运用层次分析法对同级别城市道路进行重要性排序,从而实现了将各级别城市道路的重要性进行总体排序,为城市道路网无级比例尺信息的内容选取提供了前提. 相似文献
8.
道路网数据匹配是地理空间数据库进行变化探测和数据更新的重要前提,不同比例尺下的道路网之间的匹配是一个非常重要的部分。本文总结和分析了道路网匹配的已有算法,针对不同比例尺道路网之间的匹配可能存在的问题和难点,设计了一个融合多种匹配技术的算法。在考虑不同比例尺下道路网数据的特点基础上,改进了空间场景结构的评价方法;分析了stroke匹配算法在不同比例尺道路网数据下的局限性,提出了一种可针对不同比例尺下道路数据存在变化与更新的stroke部分匹配算法。试验表明,文中所提出的方法能够适应不同比例尺下道路网的匹配,匹配效果较好,运行效率较高。 相似文献
9.
针对VGI数据中检测更新的问题,该文提出基于径向基函数的神经网络自动匹配算法。通过选取路段的距离、方向、形状和长度4个空间特征的相似度作为衡量路段是否匹配的指标。考虑到4个空间特征指标对匹配的影响力不同,在RBF(radial basis function)神经网络中的隐含层对基函数引入粒度拉伸因子,使径向对称的RBF顾及各向异性。同时对输出层在线性加权求和函数的基础上引入sigmoid函数,使计算结果(路段的匹配度值)归一化。该算法对数据质量较差的VGI路网具有很好的匹配能力,与BP神经网络相比,RBF神经网络在地图匹配中具有更好的匹配效率。 相似文献
10.
11.
特征识别、Stroke与极化变换结合的道路网选取 总被引：1，自引：0，他引：1
随着城市大比例尺道路网数据库的建设,如何从中派生其他较小比例尺道路网数据库成为重点研究的内容之一.通过道路网的结构特征识别,能够较好地识别其特征目标;Stroke算法能够较好地提取道路网中的主要道路,即能够较好地保留道路网的框架结构;而极化交换能够较好地对离散目标进行选取.因此,把道路网空间结构识别、Stroke和极化变换等有机结合,首先进行道路网预处理,识别特征道路,然后借助Stroke进行主要道路网的识别与选取,最后对剩余较短的离散道路采用极化变换进行选取.实例证明,道路网结构特征识别、Stroke与极化变换的结合,优势互补,对道路网进行自动综合能达到更好的效果. 相似文献
12.
同名道路要素匹配是道路网数据增量更新的核心问题。大比例尺下道路网不再是简单的单线节点结构,存在大量的多层车道和复杂立交,难以直接利用现有的道路匹配算法。针对这一情况,提出一种采用道路骨架线stroke的复杂道路匹配方法。在匹配前,首先对大比例尺复杂道路数据进行结构特征识别,利用Delaunay三角网生成复杂道路骨架线stroke,并存储骨架线stroke与原始数据结构特征的映射关系;最后利用骨架线stroke与小比例尺道路数据进行层次匹配和类型匹配,并将这种匹配关系转换为实际匹配结果。实验结果表明,该方法能够较好地解决不同比例尺下的复杂道路网匹配。 相似文献
13.
14.
选取恰当的拟合模型是提高高程异常拟合精度的关键．本文利用湖南省新化县城区全球卫星导航系统（GNSS）和水准测量数据,采用反距离加权法、多项式插值法、径向基函数法、克里金插值法等多种曲面拟合方法进行高程异常拟合研究,并进行拟合精度评定．结果表明,径向基函数插值法内插精度最高,其中误差为±0.0158 m;局部多项式插值法外推精度最高,其中误差为±0.0104 m;综合来说,局部多项式插值法在县域尺度高程拟合中精度最高,本文研究结果对小区域GNSS高程拟合方法选取工作具有一定的参考意义. 相似文献
15.
近年来,国内外学者在神经网络方面做了大量研究,使神经网络技术在计算、分析、仿真、控制等方面得到广泛应用,在变形监测和测绘数据处理领域,学者们做了大量实验和实践研究,得到丰富的研究和应用成果。本文首先对大坝变形影响因子进行分析,采用主成分分析法提取影响大坝变形的因子元素,最大程度降低因子之间的相关性对神经网络模型的影响。采用改进BP神经网和径向基函数神经网络两种方法,分析大坝变形预测预报效果,并结合相关文献研究成果,对比两种算法的优缺点,探讨神经网络应用于大坝变形监测的可行性。最后结合工程实际应用实例,研究计算表明,改进BP神经网络和径向基函数神经网络都能对实测数据有较好的拟合效果,达到大坝变形预测预报精度,在大坝安全预测预报分析中具有一定的参考和实用价值。 相似文献
16.
17.
针对传统的学习向量量化模型只能进行欧式空间的度量问题，该文将在学习向量量化(LVQ)模型的基础上引入径向基核函数(RBF)建立径向基函数的学习向量量化(RBF-LVQ)评价模型。以文成县为研究区，结合GIS技术选取坡度、坡向、坡形、断层距离、地质岩组、极端小时降雨量、地形湿度指数、地表覆盖、风化层厚度、黏聚力10个评价因子构建滑坡易发性评价体系，随机选取70%数据作为训练样本，分别采用RBF神经网络、LVQ神经网络和RBF-LVQ模型进行滑坡灾害易发性评价，并将剩余的30%数据利用ROC曲线进行精度检验。结果显示，训练后的RBF-LVQ模型AUC值为0.88,优于RBF神经网络的0.85和LVQ的0.86。RBF-LVQ模型拥有更好的预测能力，可为研究区域提供模型和决策支持。 相似文献
18.
19.
提出了基于路网层次骨架控制的道路自动选取方法。首先,该方法以stroke为单位,利用中介中心性值对stroke进行层次结构划分;其次,采用结构特征识别完善道路层次骨架;第三,基于层次骨架间的连通关系建立逐层传递的stroke重要性计算模型;最后,通过该计算模型自上而下的逐层计算,得到stroke重要性,并据此完成道路网选取。采用3种典型道路网数据,对本方法与其他主要常规stroke选取方法进行对比,试验结果表明本方法不但对语义的依赖性极低,同时消除了中介中心性在评价道路重要性时对边缘道路的不利影响,在保持道路网整体结构和层次性上有较为明显的优势,可适用于各种形态的道路网选取。 相似文献