多尺度空間數(shù)據(jù)聯(lián)動更新技術(shù)研究及其應(yīng)用

目錄
序
前言
第1章 緒論 1
1.1 空間數(shù)據(jù)更新 2
1.1.1 更新信息的建模 4
1.1.2 變化信息的檢測 5
1.1.3 空間沖突的檢測與處理 7
1.1.4 多尺度空間數(shù)據(jù)的聯(lián)動更新 8
1.2 空間數(shù)據(jù)匹配 11
1.2.1 匹配策略研究 11
1.2.2 特征測度研究 14
1.3 制圖綜合 16
1.3.1 地圖綜合過程概念模式 17
1.3.2 地圖綜合操作 18
1.3.3 基于智能化方法的自動綜合 21
1.3.4 協(xié)同綜合 23
1.4 機器學習 24
1.4.1 機器學習的理論與方法 24
1.4.2 機器學習方法在地理空間數(shù)據(jù)更新中的應(yīng)用 28
參考文獻 29
第2章 多尺度更新信息特征空間建模 39
2.1 地理空間數(shù)據(jù)的多尺度表達 39
2.1.1 居民地的概念與分類 39
2.1.2 城市居民地的計算機表達與形態(tài)特征 40
2.1.3 城市居民地表達的尺度差異性 42
2.2 地理空間實體變化分析 47
2.2.1 城市居民地生命周期分析 47
2.2.2 城市居民地實體的幾何特征變化分析 49
2.2.3 城市居民地實體的語義特征變化分析 55
2.3 更新信息特征空間的構(gòu)建 60
2.3.1 特征空間 60
2.3.2 基于圖層-實體-圖元結(jié)構(gòu)的更新信息特征空間 60
2.3.3 更新信息特征指標的提取 61
2.4 本章小結(jié) 64
參考文獻 64
第3章 基于機器學習的更新信息檢測 66
3.1 變化區(qū)域的快速定位 66
3.1.1 現(xiàn)有的變化要素檢索方法 66
3.1.2 基于四叉樹的變化區(qū)域檢索 69
3.1.3 交互迭代的新舊要素匹配方法 71
3.1.4 變化特征指標計算與歸一化處理 73
3.2 基于人工神經(jīng)網(wǎng)絡(luò)決策樹的更新信息識別方法 74
3.2.1 算法的基本思路 74
3.2.2 人工神經(jīng)網(wǎng)絡(luò)決策樹結(jié)構(gòu) 75
3.2.3 參數(shù)訓(xùn)練方法 78
3.2.4 更新信息識別方法 80
3.3 算法實現(xiàn)與分析 81
3.3.1 實現(xiàn)環(huán)境與數(shù)據(jù)預(yù)處理 81
3.3.2 變化區(qū)域快速定位實驗分析 84
3.3.3 更新信息檢測實驗分析 84
3.4 跨比例尺新舊居民地目標變化分析與決策樹識別算法及實現(xiàn) 85
3.4.1 多尺度新舊地圖目標變化分析 85
3.4.2 決策樹支持下的變化信息識別模型構(gòu)建 88
3.4.3 實驗分析及評價 92
3.4.4 結(jié)論 96
3.5 融合像元和目標的高分辨率遙感影像建筑物變化檢測算法及實現(xiàn) 97
3.5.1 建筑物變化檢測模型構(gòu)建 97
3.5.2 實驗數(shù)據(jù)及結(jié)果 101
3.5.3 結(jié)果分析與討論 104
3.6 本章小結(jié) 107
參考文獻 108
第4章 矢量數(shù)據(jù)自適應(yīng)增量更新 110
4.1 矢量數(shù)據(jù)自適應(yīng)增量更新技術(shù)路線 110
4.2 空間對象變化檢測與增量更新 111
4.3 接邊匹配度計算與自適應(yīng)的接邊策略 112
4.3.1 接邊匹配度計算 112
4.3.2 自適應(yīng)接邊的算法 114
4.4 基于約束規(guī)則的空間沖突檢測與處理 115
4.5 應(yīng)用案例分析 115
4.6 本章小結(jié) 118
參考文獻 119
第5章 單要素多尺度地理實體匹配 121
5.1 多尺度地理空間實體特征分析 121
5.1.1 居民地特征差異 122
5.1.2 道路特征差異 124
5.1.3 道路引起的居民地特征變化 125
5.1.4 造成空間實體表達差異的其他因素 126
5.2 單要素匹配方法的設(shè)計 127
5.2.1 基于動態(tài)權(quán)重模型的多尺度道路匹配 128
5.2.2 基于RVM與主動學習的多尺度面狀居民地匹配 137
5.3 實驗與分析 146
5.3.1 多尺度道路匹配實驗 146
5.3.2 多尺度居民地匹配實驗 152
5.4 本章小結(jié) 159
參考文獻 159
第6章 多要素輔助下的地理空間實體匹配 162
6.1 道路網(wǎng)約束下的多尺度居民地全局自適應(yīng)匹配 162
6.1.1 道路網(wǎng)眼的構(gòu)建 162
6.1.2 潛在匹配對象的獲取 163
6.1.3 基于整數(shù)規(guī)劃的全局優(yōu)化匹配方法 165
6.2 地標輔助下的多尺度居民地匹配 166
6.2.1 適應(yīng)不同坐標系的居民地匹配策略 167
6.2.2 居民地公共地標的自動獲取 167
6.2.3 地標輔助居民地匹配 173
6.3 實驗與分析 175
6.3.1 道路網(wǎng)約束下的多尺度居民地全局自適應(yīng)匹配實驗 175
6.3.2 地標輔助下的多尺度居民地匹配實驗 180
6.4 本章小結(jié) 182
參考文獻 183
第7章 地圖實體匹配的時空級聯(lián)關(guān)系構(gòu)建 185
7.1 地圖要素的時空級聯(lián)關(guān)系 186
7.1.1 多尺度要素級聯(lián)關(guān)系 186
7.1.2 地圖要素時空級聯(lián)模型 187
7.2 時空級聯(lián)關(guān)系的管理與應(yīng)用 188
7.2.1 基于格網(wǎng)的更新信息快速提取 188
7.2.2 多時態(tài)要素關(guān)聯(lián)關(guān)系管理與應(yīng)用 191
7.2.3 多尺度級聯(lián)關(guān)系在數(shù)據(jù)更新中的應(yīng)用 193
7.3 實驗與分析 197
7.3.1 變化信息快速定位實驗 197
7.3.2 多尺度要素級聯(lián)更新應(yīng)用 199
7.4 本章小結(jié) 204
參考文獻 204
第8章 建筑物多尺度變換 206
8.1 建筑物群組模式 206
8.1.1 建筑物群組模式定義 206
8.1.2 建筑物群組模式分類 207
8.2 空間關(guān)系計算 208
8.3 基于隨機森林的建筑物群組模式識別 211
8.3.1 基于圖的分割的潛在群組模式獲取 211
8.3.2 基于隨機森林的建筑物群組模式判別 212
8.3.3 建筑物群組模式特征描述 213
8.3.4 實驗與分析 215
8.4 基于地圖綜合的建筑物多尺度變換 223
8.4.1 漸進式地圖綜合方法 224
8.4.2 綜合結(jié)果與評價 226
8.4.3 建筑物多尺度表達分析 232
8.5 本章小結(jié) 235
參考文獻 235
第9章 多尺度城市居民地數(shù)據(jù)聯(lián)動更新 239
9.1 更新信息傳遞的基本思路 240
9.2 更新信息傳遞的輸入數(shù)據(jù) 242
9.2.1 大比例尺更新信息 242
9.2.2 對象匹配信息 243
9.2.3 制圖綜合規(guī)則 244
9.3 面向?qū)ο笕旱母滦畔鬟f方法 246
9.3.1 總體設(shè)計 246
9.3.2 匹配對象組合 247
9.3.3 創(chuàng)建約束Delaunay三角網(wǎng) 248
9.3.4 裁剪約束Delaunay三角網(wǎng) 249
9.3.5 重建小比例尺對象 250
9.4 更新后小比例尺對象重建方法 250
9.4.1 重建過程描述 250
9.4.2 初始化解決方案 251
9.4.3 重建小比例尺對象 252
9.4.4 鄰域方案的獲取機制 254
9.4.5 鄰域方案的評價 254
9.4.6 禁忌表與終止準則的確定 255
9.5 更新案例及傳遞誤差分析 255
9.5.1 聯(lián)動更新算法的實現(xiàn) 255
9.5.2 更新信息傳遞的誤差分析 256
9.5.3 基于對象群的更新信息傳遞方法的優(yōu)勢 259
9.6 本章小結(jié) 260
參考文獻 261
彩圖