共查询到20条相似文献，搜索用时 46 毫秒
1.
通过综合空间关系、几何、语义等多种特征对建筑群模式进行智能识别,在地图多尺度表达和数字化制图等领域有着重要的意义。将图卷积神经网络用于建筑群模式智能识别能够克服传统方法依赖人工经验设置参数、制定的规则过于严格等缺点。但是该方法往往存在样本比例失衡的问题,容易导致样本数量较少的类别无法正确识别。本文首先以建筑物质心作为样本进行聚类获得建筑群组。其次,将同一群组内的建筑物质心作为样本进行Delaunay三角剖分来构建建筑群的图结构,其中图节点特征选取能够描述建筑群几何特征的面积、大小、方向等相关指标。再次,通过图结构过采样的方式对样本数量较少的建筑群图结构进行增强,然后将样本数量较少的建筑群图结构增强前后的数据分别输入图卷积神经网络模型进行训练,并结合ROC曲线等多个评价指标对模型的性能进行了评测。实验结果表明,对样本数量较少的建筑群图结构增强之后,模型对于样本数量较少的建筑群识别准确率有了明显的提高。 相似文献
2.
目前三维建筑模型已广泛应用于城市规划,导航和虚拟地理环境等领域.不同细节的模型是LOD( Level of detail )技术的基础,由于三维模型的生产成本高昂,模型自动化简逐渐引起了学者的关注.三维模型化简包括单模型化简和多模型综合2方面,目前单个模型的化简研究比较多,而模型群组综合的研究仍然处于起步阶段.本文主要研究模型群组的聚类综合,提出一种基于房屋轮廓与纹理的分层次聚类算法:首先,基于房屋的底面轮廓构建约束Delaunay三角网,以道路为基准对三角网进行划分,通过可视分析构建初始的邻接图,使建筑群组分类符合城市形态学;其次,将房屋纹理引入三维模型群聚类的过程,使用SOM( Self-organizing Map )智能分类算法对纹理进行分析,然后分割邻接图;最后,以最邻近距离对邻接图构造最小生成树,并进行线性检测,将离散的建筑合并到已聚类的群组中,最终完成模型的合并.本文利用纹理辅助轮廓特征,实现三维建筑模型的聚类,符合人类的视觉习惯,实验结果证明了本文方法的有效性. 相似文献
3.
估计给定路径的行程时间在许多城市交通系统中起着重要作用，例如导航、路线规划和拼车等。然而，现有的大多数工作都侧重于对路段或交叉路口进行单独建模，这并不能准确估计行驶时间，因为交叉路口和路段作为路径的基本要素不仅各自包含多样化的空间属性和时间动态，而且它们之间还具备较强的耦合相关性。为了解决上述问题，本论文提出了一种新颖的端到端深度学习框架，即面向行程时间估计的对偶图卷积网络（DGCN-TTE）来对交叉路口和路段进行联合建模。具体来说，这个模型采用对偶图卷积方法来捕获路口和路段的复杂关系，其中构建节点图来刻画路口之间的相关性，构建边图来表征路段之间的交互特征。为了捕捉空间和时间特征的联合关系，模型中还引入了一种在捕捉时间依赖性的同时结合了从多个邻域范围内整合多尺度空间关系的时空学习模块。本论文通过对3个真实世界的轨迹数据集上的充分的实验来评估提出的DGCN-TTE模型，结果表明该模型显著优于现有的方法，评估指标相比于次优方法最多可以获得超过10%的提升。 相似文献
4.
随着智能手机的普及,网约车成为常用的出行替代方式。网约车运营平台因此成为智能交通系统的主要组成部分,在满足公众出行需求中发挥重要作用。乘客需求预测是网约车系统需要解决的核心问题,现有文献中提出的模型忽略了长期时间相关性及多种空间相关性,本文针对现有研究成果存在的局限性,在充分考虑网约车乘客出行需求时空相关独特性的基础上,提出一种融合全局特征的时空多图卷积网络(Spatio-Temporal Multi-Graph Convolutional Network Fused With Global Features,GST-MGCN)模型。该模型遵循临近性、周期性和趋势性(Closeness, Period and Trend,CPT)范式,利用时序信息拟合时间依赖关系;通过识别多种空间语义相关性构建对应的关系图结构、建立多图卷积模型;模型中的全局特征融合模块,使用门控融合和总和融合方法分别捕捉乘客需求的突变和渐变。以海口市数据集为样本的实验结果表明,本文提出的GSTMGCN模型MAE、RMSE和MAPE指标的值分别是2.269、3.917、21.447,优于其他同类主流模型。本研究证明提出... 相似文献
5.
作为GIS重要发展特征之一的3维模型，已成为地学研究的重要工具和手段。本文从空间信息表达与传输的角度，阐述了3DGIS中3维模型的可视化机理，包括3维空间数据模型、视觉变量和动态变量等内容；并借助图形实现语言Java 3D，实现了3维模型在城市道路横断面设计中的具体应用。此研究对于利用3维模型进行工程实践应用具有一定的借鉴意义。 相似文献
6.
内陆水体叶绿素a浓度是衡量水体富营养化程度的主要指标，是影响水体反射率光谱特征的重要因素之一。本文以白洋淀烧车淀、圈头乡各村庄等水域为研究区，采集了高光谱数据和水样，并在实验室测定叶绿素a等水质参数，应用于白洋淀区域的叶绿素a高光谱遥感反演。针对线性降维方法特征提取能力不足和神经网络构建叶绿素a遥感反演模型时学习效率低、泛化能力差的问题，提出了堆栈自编码器粒子群优化BP神经网络模型。该模型利用堆栈自编码器强大的非线性变换能力，通过最小化重构误差来学习高光谱数据特征，在实现数据降维的同时最大程度保留原始光谱数据中的水体辐射信息，提取出实测水体光谱的深度特征，将BP神经网络初始权重作为粒子的位置向量，通过粒子群算法搜寻网络初始权重的最优值，降低出现局部极值的概率，提高模型的稳定性和反演的精确度。堆栈自编码器粒子群优化BP神经网络模型(R2=0.82,RMSE=2.65μg/L,MAE=1.89μg/L)相较于对高光谱数据不降维的BP神经网络模型(R2=0.75,RMSE=3.16μg/L,MAE=2.39μg/L)、基于主成分分析法降维的BP神经... 相似文献
7.
社交用户的文本具有地理差异性,并且社交关系密切的用户之间居住位置更近,因而文本和社交网络均可用于推断用户常驻位置。现有基于文本和社交网络的用户常驻位置预测方法对文本的位置指示性特征挖掘不充分,而用户文本中地名等位置指示信息却提供了最有用的位置信号。因此,本文提出一种基于地理命名实体识别（GER）和图卷积神经网络（GCN）的社交用户位置预测方法。首先,通过地理命名实体识别方法对用户文本进行过滤以凸显位置指示性特征;其次,基于提及关系和关注与被关注关系抽取社交网络;再次,结合社交网络和用户文本内容,采用基于图卷积神经网络的方法进行用户常驻位置预测;最后,将GER-GCN与GCN以及最新研究成果进行比较,并探究该模型的小样本学习能力及其影响因素。基于Geotext数据集和2个微博数据集的实验表明：① GER文本过滤方法可显著提升用户位置预测精度;② 在所有实验中,GER-GCN的预测精度最高,并在基准数据集GeoText上比最新研究成果提升1%~2%;③ 在最小监督的现实场景中,本文印证了GER-GCN模型的小样本学习能力,并发现社交网络质量对其小样本学习能力起到决定性作用。实验结果验证了GER-GCN方法的先进性,且该方法符合社交媒体现实场景的应用需求。 相似文献
8.
移动增强现实和地理信息系统融合正成为空间信息可视化的理想平台。针对现有增强现实跟踪注册技术描述室内空间信息位置不精确、推理空间结构弱和场景理解能力有限等问题，本文提出一种空间布局约束下的在线学习跟踪注册方法，首先使用图像特征匹配算法估计相机相对初始姿态，接着利用端到端编码-解码网络提取室内场景边缘和语义特征信息，生成2D布局假设，然后应用贪心策略细化2D布局假设并提取对应布局关键坐标点信息，最后将语义特征和布局关键坐标点作为约束条件，联合优化空间信息的初始位姿。本文方法在复杂室内场景下，注册虚拟模型最大位置误差为9 cm，最大缩放误差为17%，最大旋转误差为16°。实验结果表明，所提方法能为空间信息注册增添条件约束，实现在室内场景精确注册，并具备较强的场景理解能力。 相似文献
9.
以图结构表达的知识图谱不仅在语义网络的描述与推理中发挥着重要作用，对于空间实体的结构化抽象与空间推理也具有重要意义。空间实体的联系信息在知识图谱中以图的边记录，通过路径探测、子图对齐、模式发现等基于边的知识图谱计算推理，在空间场景认知可发挥重要作用。地理知识图谱是一种对地理概念、实体及其相互关系进行形式化描述的知识系统，既有通用知识的内涵与特点，也有地理知识特定的时空特征，能够将语义模型和时空模型联系起来，描述语义关系、空间关系和时间关系，在地理知识的表达、理解、获取与推理方面有巨大的应用潜力。现有地理知识图谱的研究工作多集中于语义方面，语义关系的抽取与表达比较丰富，可以支持进一步的地理知识语义搜索等功能；然而地理知识图谱在时空模型上的知识表达比较缺乏，现有的空间关系局限在要素之间，很少涉及空间认知中进一步的分布态势、空间格局等，地理知识图谱在空间语义知识方面有待增强。本文基于知识图谱构建原理，以建筑群地理知识图谱构建为例，实现格网型建筑物模式的识别。先将建筑物抽象成实体，表达为图的节点，基于几何邻近分析提取建筑物之间的空间邻域关系，以此构建建筑群地理知识图谱；在此基础上结合建筑物模式... 相似文献
10.
城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络（PredRNN）、图卷积预测递归神经网络（GC-PredRNN）和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。 相似文献
11.
随着在线电子地图应用的普及,地名信息检索已成为相关研究领域的热点,并取得了丰富的研究成果。然而,这些研究主要侧重于检索效率和文本关键词匹配质量的提高,并未顾及实际应用需求和地名信息检索方法的矛盾。本文通过分析地理实体和地名的特征及关系,提出将二者相融合来研究地名信息检索的形式和方法,从数据特征和应用场景的角度出发,提出顾及地理实体的地名信息检索模式,并实现对其的结构化表达,在该检索模式中将地理实体的属性特征和空间关系作为检索特征项;以检索模式为基础提出了基于地理实体相似度计算的地名信息检索模型,并深入研究了文本型属性与数值型属性综合的属性相似度计算方法,以及定性空间过滤与定量距离计算综合的空间关系相似度计算方法;最后,通过实验验证了顾及地理实体的地名信息检索方法的可行性和检索质量。实验结果表明,该检索方法既能实现精细化和空间化的检索需求,也能保证检索结果的准确度。 相似文献
12.
在基于位置的应用领域中,如自然灾害监测、流感趋势预测、定向广告推广等,用户地理位置的推测起到重要的作用。现有方法主要利用文本内容和社交网络进行位置推测,一方面未能充分挖掘和融合2种信息,另一方面推测社交网络中孤立用户的位置比较困难。因此,本文提出一种融合文本主题和社交关系图神经网络的社交网络用户住所位置推测方法（Social Relationship Graph Convolutional Network, SRGCN）。主要方法包括：首先,从文本内容中获取混合特征,利用TF-IDF获得文本特征向量,根据用户之间的提及信息建立初始社交关系图;其次,针对用户社交关系图中存在孤立用户并难以估计其位置的问题,建立主题模型,根据主题向量相似度为孤立用户建立联系,补充社交关系图;最后,基于图卷积神经网络处理社交关系图数据,对文本特征和网络结构进行联合建模,以有效推测用户的地理位置。在真实世界基准数据集GeoText上探究了主题相似度阈值对推测性能和图规模的影响,实验结果表明本文方法能够增加可定位用户的比例并将大部分属于同一类的用户节点聚集;SRGCN在平均距离误差、距离误差中位数、推测准确度方面... 相似文献
13.
《东北石油大学学报》2020,(4)
录井解释过程中,由于数据特征维度较高和数据集成化能力不足等,需要人工校正录井综合图的岩性剖面。提出一种基于数据挖掘的录井剖面归位解释处理方法,对选取的录井解释数据进行数据清洗,选取有效影响因子,进行基于主成分分析的特征降维;分析录井解释数据特点,选择神经网络算法作为模式挖掘模型;对模式挖掘模型进行表达与解释,将实验获得的最优特征识别模式运用于实际数据。结果表明,采用模式挖掘模型在未知区块的平均识别准确率接近于92%,模型泛化能力相对稳定,对部分常用的岩性的识别准确率接近于95%,与多次人工校正后的归位结果相近。 相似文献
14.
基于空域的帧内预测是H．264采用的一项重要技术，对编码性能的提高具有重要作用。但是由于支持的帧内预测模式较多，使用率失真优化模型计算的编码复杂度很高。利用像素边缘方向信息，相邻块预测模式间的相关性提出了一种帧内模式选择快速算法，可以预先排除约60％的预测模式，从而减小对率失真优化模型的调用。实验结果表明，算法在基本保持H．264原算法性能的同时，编码时间减少70％以上。 相似文献
15.
自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度 4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。 相似文献
16.
本文针对空间面群目标提出了一种几何相似度计算模型。首先,利用拓扑关系概念领域图定义了面群之间的拓扑关系相似度;然后,对不同类型的面状目标选用合适的"降维"方法处理为"线群"目标,利用方向均值定义线群之间的方向关系即面群目标的方向相似度,以及利用"环形方差"定义线群目标之间的距离关系即面群目标的距离相似度。最后,结合面群的长度和平均长度、面积和平均面积,面密度及紧致度,建立了面群目标几何相似度计算模型,以对面群目标相似度进行整体度量。该模型综合考虑了空间面群目标的几何特征和空间关系特征,并对其作了适当的权重分配。从时间邻近度和尺度邻近度角度,本文设计了2个实验,结果表明,相似度计算结果与地物特征比较一致,符合人们的直观空间认知。 相似文献
17.
为定量化表征山西省域煤系泥页岩储层孔隙结构复杂程度，以山西省域１４０件海陆交互相煤系泥页岩实测低温液氮吸附数据为基础，利用 ＦＨＨ 模型分别计算了孔径小于４ｎｍ 孔隙分形维数 Ｄ１ 与孔径大于４ｎｍ 孔隙分形维数 Ｄ２，结合 ＸＲＤ衍射、吸附甲烷、有 机 质 丰 度、类型等实验成果，讨论了孔隙结构、饱 和 吸 附 量、黏 土 矿 物含量及有机质丰度与分形维数的关系。结果表明:山西省域煤系泥页岩发育有机质孔与无机孔，页岩有机质孔不及海相页岩发育，无机孔以黏土矿物层间孔与粒间孔为主，孔隙形态结构复杂，存在较多墨水瓶状、狭 缝 状 孔；孔隙分形维数随 ＢＥＴ比表面积、黏土矿物含量增高呈现出增大趋势，随有机质丰度、平均孔径及石英含量增高呈现
出 减小趋势；Ｄ１ 与微孔及孔径为２～４ｎｍ 的介孔比孔容呈正相关关系，Ｄ２ 与孔径为４～５０ｎｍ 的介孔比孔容呈正相关关系，而与宏孔比孔容呈负相关关系；饱和吸附量与分形维数呈正相关关系；山西组泥页岩中黏土矿物含量比太原组高，分形维数与矿物含量的相关性比太原组好，太原组泥页岩 ｗ（ＴＯＣ）高，但有机质孔发育不如山西组， Ｄ１ 与 ｗ（ＴＯＣ）的负相关关系比山西组更明显。 相似文献
出 减小趋势；Ｄ１ 与微孔及孔径为２～４ｎｍ 的介孔比孔容呈正相关关系，Ｄ２ 与孔径为４～５０ｎｍ 的介孔比孔容呈正相关关系，而与宏孔比孔容呈负相关关系；饱和吸附量与分形维数呈正相关关系；山西组泥页岩中黏土矿物含量比太原组高，分形维数与矿物含量的相关性比太原组好，太原组泥页岩 ｗ（ＴＯＣ）高，但有机质孔发育不如山西组， Ｄ１ 与 ｗ（ＴＯＣ）的负相关关系比山西组更明显。 相似文献
18.
主流地图检索方法多基于元数据文本匹配或图像内容相似度计算，缺乏对用户意图的主动理解，导致检索结果欠佳；而现有意图识别方法无法准确表达与识别复杂地理概念联合约束的地图资源检索需求。为此，本文提出一种顾及地理语义的地图检索意图形式化表达与识别方法，旨在利用相关反馈样本“感知”用户需求，以提升检索精度。该方法通过地理本体约束“意图-子意图-维度分量”模型的构建，实现检索需求的语义化描述；并将意图识别视为组合优化问题，基于最小描述长度准则、顾及地理概念从属关系的样本随机合并策略及贪心搜索实现最优意图识别。实验结果表明，相比基于频繁项集挖掘的RuleGO、决策树的DTHF算法，本文方法具有更高的识别准确度与噪声容忍度；随机合并策略可在不降低识别准确性的情况下有效缩短平均求解耗时；样本增强策略保证算法在样本规模仅为20时仍具有较高识别准确度。该方法可望应用于地理信息门户，提升各类地理信息资源共享与发现的服务品质。 相似文献
19.
信息通讯时代,科学技术的进步极大地降低了地图制图的门槛,大量非专业制图人员涌现到地图制图领域,地图的表现形式呈现出显著的泛化趋势。然而,由于专业知识的缺失,普通大众在专题地图选择时容易产生“制图困惑”,难以确定恰当的专题地图类型。针对上述问题,本文尝试提出一种基于可视化维度理论的泛地图知识推荐方法。首先,面向专题制图需求,建立以空间数据、数据特征、泛地图可视化维度、泛地图可视化形式、应用领域为核心要素的泛地图可视化知识本体,通过知识抽取、知识存储操作,构建泛地图可视化知识图谱。其次,对知识图谱进行知识嵌入,实现地图可视化要素的知识化表达。最后,基于泛地图知识要素建立相似度计算模型,计算用户输入数据与知识图谱内空间数据特征、可视化维度、应用领域等的相似度,得出综合相似度结果,实现泛地图可视化形式的精准推荐。结果表明：面对泛化的专题信息表达,本研究提出的泛地图知识推荐方法能够为用图者的制图选择提供较为准确可视化参考,一定程度上满足普通大众的寻图需求。 相似文献
20.
目前遥感影像跨视角匹配技术无法直接使用大幅卫星影像进行匹配,难以满足大范围复杂场景匹配的任务需求,且依赖大规模数据集,不具备良好的泛化能力。针对上述问题,本文在质量感知模板匹配方法的基础上结合多尺度特征融合算法,提出一种基于视角转换的跨视角遥感影像匹配方法。该方法首先利用手持摄影设备采集地面多视影像,经密集匹配生成点云数据,利用主成分分析法拟合最佳地平面并进行投影变换,以实现地面侧视视角到空视视角的转换;然后设计了特征融合模块对VGG19网络从遥感影像中提取的低、中、高尺度特征进行融合,以获取遥感影像丰富的空间信息和语义信息;最后利用质量感知模板匹配方法将从视角转换后的地面影像上提取的特征与遥感影像的融合特征进行匹配,获取匹配的软排名结果,并采用非极大值抑制算法从中筛选出高质量的匹配结果。实验结果表明,在不需要大规模数据集的情况下本文方法具有较高的准确性和较强的泛化能力,平均匹配成功率为64.6%,平均中心点偏移量为5.9像素,匹配结果准确完整,可为大场景跨视角影像匹配任务提供一种新的解决方案。 相似文献