共查询到19条相似文献，搜索用时 171 毫秒
1.
自动制图综合的智能化研究因受人类复杂思维制约,长期以来成为研究的薄弱环节。从人类学习和认知角度,借鉴人工智能领域基于案例推理学习的成果,提出一种基于案例类比推理的道路网智能选取新方法。该方法将制图专家对某区域道路网的交互选取结果作为参考标准,对其进行结构化描述并构建和转化为案例库;计算机采用一定的简化算法和泛化算法对该案例库进行分析和学习,获取检索效率更高和适应样本能力更强的案例模型库;计算机在对相似道路网自动选取时,根据获取的案例模型库,采用基于案例类比推理的方法,分析获取相应的解决方案,进而完成道路网智能选取。与已有研究成果相比,本方法以案例及其泛化模型来模拟专家思维,以计算机对案例模型的类比学习来进行相似道路网自动选取,弥补了传统道路网选取中智能性差的缺陷,为自动综合智能化研究找到了一条可行途径。论文最后对本方法的科学性和适用性进行了验证,并对实验结果做了分析和评价,同时指出了存在问题和进一步研究方向。 相似文献
2.
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
3.
道路网智能选取的案例类比推理法 总被引：1，自引：1，他引：0
从人类学习和认知角度,借鉴人工智能领域基于案例推理学习的成果,提出一种基于案例类比推理的道路网智能选取新方法。该方法将制图专家对某区域道路网的交互选取结果作为参考标准,对其进行结构化描述并构建和转化为案例库;计算机采用一定的简化算法和泛化算法对该案例库进行分析和学习,获取检索效率更高和适应样本能力更强的案例模型库;计算机在对相似道路网自动选取时,根据获取的案例模型库,采用基于案例类比推理的方法,分析获取相应的解决方案,进而完成道路网智能选取。与已有研究成果相比,本方法以案例及其泛化模型来模拟专家思维,以计算机对案例模型的类比学习来进行相似道路网自动选取,增强了道路网选取中的智能性。最后对本方法的科学性和适用性进行验证,并对试验结果作分析和评价,同时指出了存在的问题和进一步的研究方向。 相似文献
4.
5.
道路网自动综合是GIS研究的重要基础理论问题。顾及道路重要性对路网制图综合的影响,采用基于对偶拓扑的复杂网络理论构建城市路网对偶拓扑模型,并基于该路网模型建立路段重要度评价方法,进而提出一种基于路段重要度评价的路网自动制图综合方法。实验表明,该方法能够有效地完成不同比例尺下路网的自动综合。 相似文献
6.
7.
针对复杂网络模型被广泛应用于道路选取的研究中,少有方法顾及道路网对偶图中多级邻居节点的影响,导致对道路的重要性评价缺乏准确性和可靠性的问题。该文将道路网对偶图节点的结构特征值视作质量,将节点间的最短距离视作距离,结合引力场方程实现道路自动选取,较好地将道路网对偶图中多级邻居节点的影响纳入到道路重要性的计算中,从而实现对道路重要性的准确评估。通过对兰州市城关区的路网进行实验,结果表明本文方法所选取的路网较好地保持了原始道路网的整体结构、覆盖范围、密度分布、拓扑特征和连通性。 相似文献
8.
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
9.
10.
11.
12.
采用决策树算法进行居民地自动综合 总被引：1，自引：0，他引：1
借鉴人工智能领域中的机器学习研究成果,提出一种采用决策树算法进行居民地智能选取的新方法。将制图专家对居民地综合的结果作为参照,对其进行结构化描述并构建和转化为案例库;采用决策树算法对案例库中的案例进行分类,把制图综合问题转化为分类问题,从案例库中归纳出if-then规则,进而指导同类居民地的自动综合。试验验证,算法能够较好地还原专家的选取规律,在同类型的居民地自动综合试验中取得了良好的效果。 相似文献
13.
土壤遥感分类识别推理决策器的设计 总被引：5，自引：0，他引：5
介绍了干旱区土壤遥感分类识别推理决策器的设计原理与实现方法。在用TM遥感图像对土壤类型进行非监督分类的基础上，建立了正向推理与逆向推理相结合的推理机制，对土壤类型进行分类识别决策。用知识表示的产生式规则与框架式规则相结合的数据结构表示土壤学专家的土壤分类识别知识。用像结构模式建立了土壤分类识别的规则，构造了土壤分类判决树，并用典型像例模式进行了各类型土壤判据文件的组织。用该方法对新疆天山北麓阜康试验区的土壤分类识别进行了试验研究。结果表明，该方法分类精度可靠，为干旱区土壤分类识别开辟了一条新的途径。 相似文献
14.
遥感影像制图综合的智能化研究 总被引：2，自引：0，他引：2
本文以人工智能为基础,用计算机模拟一般制图人员对遥感图像进行制图综合的过程,用框架的知识表示方法建立了一个实验性的知识库,并设计了一个推理机。对蒙古人民共和国乌布苏淖尔地区的ＴＭ分类图进行了实验,取得了较好的效果。 相似文献
15.
基于面向对象知识表达的空间推理决策及应用 总被引：7，自引：0，他引：7
提出了一种基于面向对象知识表达的空间推理决策方法 ,该方法扩展了常规的GIS空间分析功能 ,使其建立在GIS空间分析与领域知识基础上。认为GIS空间分析与领域知识利用的结合需要建立统一的知识表达概念模型 ,通过将常规决策知识设计为决策知识类 ,将决策事实作为事实知识类处理 ,并由知识类的消息机制进行内部通讯 ,实现空间推理决策的智能化。在进行领域知识分析与知识分类的基础上 ,给出了领域知识类的层次结构组织图和知识类定义以及决策知识及事实知识的面向对象表达 ,最后给出了空间知识类的形成及空间推理决策过程。方法的实用性在实践中得到验证 相似文献
16.
地图综合是地图制图和多尺度空间数据变换的核心与关键技术。20世纪60年代以来,数字地图数据的自动综合研究逐渐展开并取得了长足的进步,囿于人工智能技术的限制,地图综合的智能解决方法虽有不少成果,但距离真正的智能化、实用化仍有一定的距离。近年来,以深度学习为代表的人工智能技术应用于诸多研究领域并取得显著成效,地图综合的智能化研究也有诸多新的尝试。首先,在归纳自动地图综合研究模式的基础上,阐述了智能地图综合研究的必要性;然后,结合人工智能发展历程回顾智能地图综合研究,梳理和分析了基于传统机器学习与基于深度学习的智能地图综合研究现状,并归纳了地图综合智能化研究的主要方法;最后,围绕地图综合智能化研究中的几个热点问题,探讨了智能地图综合的发展趋势。 相似文献
17.
基于制图综合知识的空间数据检查 总被引：11，自引：0，他引：11
基于制图综合知识的空间数据检查是GIS和制图综合中迫切需要研究的问题。首先,分析数据检查的重要性和制图综合知识在数据检查中的作用。其次,对制图综合知识的归纳进行阐述:在分析国内外研究的基础上,定义一套基于模糊型知识和精确型知识为基础的知识分类模式;并据此提出一种制图综合知识的结构化描述方式;然后提出知识属性的概念,阐述知识属性在知识中扮演的重要作用,定义知识属性的详细指标。第三,进行基于制图综合知识的数据检查:在对数据进行重要性排序的基础上,提出基于模糊型知识的人机协同的数据检查方法,和基于精确型知识的自动数据检查方法,并给出详细的数据检查程序流程。最后,给出相应的例子。从数据检查的结果来看,提出的知识归纳方法能够满足当前制图综合的多种需求,基于知识的数据检查方法能够为进一步实施制图综合提供强有力的信息和依据。 相似文献
18.
19.
自动化地理信息综合的发展现状和趋势 总被引：6，自引：0，他引：6
本文在强调地理信息综合对于开发和应用地理信息系统的必要性的同时，阐述了区分模型综合和图像综合在新环境下的实用意义，并总结了欧洲和北美地区在自动化综合研究方面所作的主要努力。通过分析现阶段综合方法和编程语言的特点，指出了现有计算机综合系统由于缺乏专家知识而存在的缺陷和局限性，并相应地介绍和讨论了知识获取和表达的几种实用方法。最后，列举了开发未来高智能自动化综合系统应当注意的问题和必须具备的条件。 相似文献