共查询到19条相似文献，搜索用时 140 毫秒
1.
空间线群目标相似度计算模型研究 总被引：1，自引：0，他引：1
以空间线群目标的空间统计特征为基础,对线群目标的空间关系和几何特征进行了描述。利用拓扑关系概念邻域图定义线群之间的拓扑关系相似度,利用方向均值定义线群之间的方向关系相似度以及利用"环形方差"定义线群目标之间的距离相似度。结合线群的长度和平均长度、线群密度及线群曲折度,建立了线群目标相似度计算模型,对线群目标相似度进行了整体度量。实验结果表明,相似度计算结果与地物特征比较一致,符合人们的直观认知。 相似文献
2.
《测绘科学技术学报》2013,(2)
首先分析了建立空间数据多尺度表达中基本空间关系统一表达模型的必要性及建模的基本思想,并用有序6元组作为空间数据多尺度表达中基本空间关系统一表达模型;其次证明拓扑关系表达模型RCC5模型、基于方向Voronoi图(DVDs)的方向群模型和Hausdorff距离的多尺度包容性,并将它们进行形式化表达应用于有序6元组中;最后证明有序6元组的多尺度包容性,并结合具体的实例验证模型的合理性。 相似文献
3.
一种线目标豪斯多夫相似距离度量指标 总被引：1，自引：0，他引：1
相似度指标的选取及稳健与否对匹配结果的正确性至关重要。针对来自同一地区不同来源的同名实体匹配问题,从道路网同名线目标匹配实际需要出发,研究基于豪斯多夫(Hausdorff)距离的线目标几何相似距离计算方法;并对其进行改进,提出一种基于短边的中位数Hausdorff相似距离计算指标;与传统Hausdorff距离和离散Frécet距离线目标相似性度量指标做比较,实验结果得出:基于短边中位数Hausdorff距离的相似性度量指标能更客观合理地描述同名线实体之间的几何相对距离,提高同名实体匹配的正确率。 相似文献
4.
5.
空间拓扑关系不确定性的定量评价可为多尺度拓扑关系一致性的自动评价、空间推理与空间查询等应用的可靠性提供依据。定义了基于几何度量的拓扑距离,构建了拓扑关系不确定性的粗集表达模型;提出了不确定性粗集表达中拓扑距离的量化方法;进而提出了基于粗集的多尺度空间拓扑关系不确定性度量指标。实例研究证明了本文提出模型的科学性与合理性,该方法可用于多尺度表达过程中引起的拓扑关系不确定性的定量评价。 相似文献
6.
已有的拓扑相似性度量方法主要通过目标之间拓扑关系统计均值的差值,衡量目标之间的拓扑相似程度,在拓扑变化复杂区域由于拓扑关系的增减互补易产生度量误差。为此,提出一种顾及拓扑结构差异的等高线群拓扑相似性度量方法;引入Zhang-shasha算法将等高线群之间的拓扑变化转化为等高线树之间的转换编辑操作;构建基于树结构的拓扑差异表达;并利用动态规划方法求解等高线树之间的转换编辑距离;进而量化度量等高线群间的拓扑结构相似度。模拟数据实验和真实数据实验表明,该方法顾及了拓扑结构差异,能够有效度量多源多尺度等高线数据之间的拓扑相似程度,减少度量误差。 相似文献
7.
8.
针对建筑群自动综合结果质量评价问题,该文提出一种建筑群多尺度表达中空间相似度计算模型。从地图综合质量评价的角度,立足地图综合的3个约束,即图形约束、拓扑约束、结构约束,分别计算了图形相似度、拓扑相似度、结构相似度,并对以上各相似度作了适当的权重分配,计算建筑群目标的整体相似度。最后,通过实验验证了本文相似度计算方法的正确性、可行性。 相似文献
9.
研究了多尺度地理空间点状要素相似关系的表达与度量问题。基于点群目标的分布特点,运用栅格数据思想和多元统计方法,将对点群的研究转化为对面状目标的研究。对同一个点群化简前后密度相似、面积相似以及空间方向的相似进行研究,建立了多尺度地理空间点状要素相似关系的计算模型。 相似文献
10.
GIS空间目标的广义Hausdorff距离模型 总被引：4，自引：0，他引：4
分析了GIS中常用的空间距离度量及其存在的问题，这些距离度量没有顾及空间目标的整体形状、位置分布等特征。基于此，引入了Hausdorff距离的概念，给出了Hausdorff距离的计算方法，分析指出了Hausdorff距离容易受空间目标局部几何形状的影响。进而从统计学的角度分析了现有的距离度量并不能有效地表达空间目标间距离的整体分布，并提出了一种广义Hausdorff距离模型，这种距离模型能够度量空间目标间距离分布的中心趋势和离散度。实际算例证明了此模型在GIS环境下的实现方法。 相似文献
11.
12.
13.
Quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces 总被引：1，自引：0，他引：1
Haowen Yan 《国际地球制图》2015,30(4):472-482
Quantitative relations between spatial similarity degree and map scale change in multi-scale map spaces play important roles in map generalization and construction of spatial data infrastructure. Nevertheless, no achievements have been made regarding this issue. To fill the gap, this paper firstly proposes a model for calculating spatial similarity degrees between an individual linear object at one scale and its generalized counterpart at the other scale. Then psychological experiments are designed to validate the new model, taking four different individual linear objects at five different scales as test samples. The experiments have shown that spatial similarity degrees calculated by the new model can be accepted by a majority of the subjects. After this, it constructs a formula that can calculate spatial similarity degree using map scale change (and vice versa) for individual linear objects in multi-scale map spaces by the curve fitting method using the point data from the psychological experiments. Both the formula and the model can calculate quantitative relations between spatial similarity degree and map scale change of individual linear objects in multi-scale map spaces, which facilitates automation of map generalization algorithms for linear features. 相似文献
14.
在语义信息缺乏的情况下进行点群选取是制图综合的难点之一。提出了一种新的通过多层次聚类进行点群选取的方法。首先，针对k-means聚类算法的不足，利用改进的密度峰值聚类算法实现点群自动聚类，主要表现为用基尼系数确定最优截断距离及用局部密度和相对距离的关系自动确定聚类中心。其次，提出一种顾及密度对比的选取策略，通过点群多层次聚类，将点群划分成不同等级的簇，确定不同等级的聚类中心，建立点群的层次树结构；依据方根定律计算的选取数量，按照各级别簇的点数比例，自上而下逐层分配待选取点数，确定选取对象，实现点群的自动选取和多尺度表达。对不同分布模式的点群进行实验，验证了该方法的普适性和有效性。 相似文献
15.
Parastoo Pilehforooshha 《国际地球制图》2019,34(9):1000-1021
Building pattern extraction is an essential step in building generalization. Although many studies have already been conducted, there is a lack of a framework for extracting building patterns. To overcome this problem, an integrated framework for extracting building linear patterns is presented. First, an aggregation function is presented based on the TOPSIS method, which determines the similarity index in terms of area, shape, rectangularity and distance similarities. This results in the extraction of straight and perpendicular patterns using the similarity index and orientation difference criteria. Second, a refinement strategy is proposed, which refines the extracted patterns using a novel definition of the pattern interaction index. To evaluate the proposed model, the complete building group generalization process is implemented using a data-set at 1:25 k scale. The evaluation results allowed us to conclude that the proposed model produces meaningful results, and therefore it would be beneficial in the generalization process. 相似文献
16.
17.
18.
如何快速、自动地实现多尺度地图自动综合结果质量评价,对提高空间数据质量、加快空间数据生产周期等具有重要意义.本文在综合考虑拓扑关系、方向关系和距离关系的基础上,基于SRM模型提出了基于面状目标的空间关系相似性的度量方法,为地图自动综合提供空间关系评价和维护的参考. 相似文献