典型地理要素的智能化制图综合方法

《典型地理要素的智能化制图综合方法》以中小比例尺道路、居民地、河系等典型地图要素为研究对象，从制图综合的自动化与智能化两个方面展开研究。《典型地理要素的智能化制图综合方法》简述与分析制图综合的基本概念、自动化和智能化制图综合的研究过程及其发展；辨析制图综合模型与制图综合知识；实现道路网自动化综合方法、道路网智能化综合方法、居民地自动化综合方法、居民地智能面状综合方法及河系智能化综合方法；介绍典型的制图综合知识服务架构及系统实现。

序
前言
第1章引言1
1.1制图综合概述1
1.1.1制图综合概念1
1.1.2制图综合算子2
1.1.3制图综合对象4
1.2智能化制图综合概述5
1.2.1智能化制图综合概念5
1.2.2智能化制图综合背景6
1.2.3智能化制图综合意义7
1.3智能化制图综合发展8
1.3.1研究进展8
1.3.2存在问题12
1.3.3未来方向13
参考文献14
第2章制图综合模型与制图综合知识17
2.1制图综合模型17
2.1.1道路网骨架层次模型17
2.1.2道路弯曲化简模型21
2.1.3居民地重要性影响因子模型26
2.2制图综合知识31
2.2.1制图综合知识的概念与形式化31
2.2.2基于案例的制图综合知识获取38
2.2.3基于案例学习的制图综合45
参考文献47
第3章道路自动化综合50
3.1基于道路网层次骨架控制的道路选取方法50
3.1.1道路层次骨架提取50
3.1.2各层次Stroke重要性评价和选取流程54
3.1.3基于层次骨架的道路选取流程及对比58
3.1.4实验与分析60
3.1.5小结60
3.2基于三元弯曲组划分的道路形态化简方法61
3.2.1道路化简前的预处理62
3.2.2道路弯曲识别63
3.2.3三元弯曲组构建和化简66
3.2.4基于三元弯曲组的循环化简策略69
3.2.5小结72
3.3基于弯曲的道路化简冲突避免方法73
3.3.1道路化简导致空间冲突的原因与类型分析73
3.3.2基于弯曲的道路化简冲突判别方法75
3.3.3避免产生化简冲突的解决方法77
3.3.4小结79
参考文献81
第4章道路智能化综合82
4.1基于案例类比推理的道路网智能选取方法82
4.1.1CBR模型82
4.1.2基于案例类比推理的道路网智能选取原理83
4.1.3案例库简化和案例泛化84
4.1.4基于案例类比推理的道路网智能选取流程87
4.1.5实验验证及结果分析89
4.1.6小结95
4.2基于案例归纳推理的道路网智能选取方法95
4.2.1基于案例归纳推理的道路网智能选取原理95
4.2.2归纳学习机制研究96
4.2.3归纳推理结果104
4.2.4基于案例归纳推理的道路网智能选取流程107
4.2.5实验验证及结果分析108
4.2.6小结113
4.3基于卷积神经网络的立交桥识别方法114
4.3.1理论依据114
4.3.2基于视觉型案例的栅矢结合立交桥识别策略115
4.3.3立交桥初步定位以及案例获取118
4.3.4采用AlexNet模型对立交桥样本进行分类模型训练122
4.3.5实验与分析125
4.3.6小结129
4.4线要素（道路）化简算法及参数自动设置的案例类比推理方法129
4.4.1理论依据129
4.4.2案例推理的化简算法及参数自动设置原理130
4.4.3面向案例类比推理的化简效果评估133
4.4.4基于案例类比推理的算法及参数迭代寻优135
4.4.5实验与分析138
4.4.6小结141
参考文献141
第5章居民地自动化综合143
5.1采用主成分分析法的面状居民地自动选取方法143
5.1.1采用主成分分析法的居民地重要性评价原理143
5.1.2主成分分析法的原理与步骤144
5.1.3采用主成分分析法的居民地自动选取流程146
5.1.4实验验证与分析149
5.1.5小结152
5.2基于层次分析法的面状居民地自动选取方法152
5.2.1采用层次分析法的居民地重要性评价原理152
5.2.2层次分析法的原理与步骤153
5.2.3基于层次分析法的居民地自动选取流程155
5.2.4实验验证与分析157
5.2.5小结162
5.3顾及分布特征的面状居民地自动选取方法162
5.3.1基于约束Delaunay三角网的居民地分布特征提取162
5.3.2顾及居民地分布特征的选取流程165
5.3.3实验与分析168
5.3.4小结170
参考文献171
第6章居民地智能化综合172
6.1基于决策树算法的面状居民地智能选取方法172
6.1.1理论依据172
6.1.2居民地要素属性参量设计与初步分析173
6.1.3基于决策树的居民地综合规则生成176
6.1.4实验与分析180
6.1.5小结182
6.2基于KNN算法的面状居民地智能选取方法182
6.2.1KNN算法基本思想及优势分析183
6.2.2基于KNN算法的居民地案例的设计与构建184
6.2.3基于KNN算法的居民地案例匹配机制设计187
6.2.4实验与分析189
6.2.5小结194
6.3顾及多特征的点群居民地SOM聚类选取算法194
6.3.1点群居民地分类195
6.3.2外部轮廓居民地选取方法195
6.3.3内部普通居民地选取方法196
6.3.4实验与分析199
6.3.5小结205
6.4顾及道路网约束的点群居民地SOM聚类选取算法205
6.4.1道路在居民地选取中的约束作用205
6.4.2顾及道路网约束的SOM聚类207
6.4.3实验与分析209
6.4.4小结220
参考文献220
第7章河系智能化综合222
7.1基于朴素贝叶斯的树状河系分级方法222
7.1.1基于朴素贝叶斯的树状河系分级方法原理222
7.1.2主支流案例的设计和获取224
7.1.3主支流NBC分类模型的训练和测试227
7.1.4实验与分析228
7.1.5小结231
7.2规则约束下朴素贝叶斯辅助决策的树状河系选取方法232
7.2.1规则约束下朴素贝叶斯辅助决策的树状河系选取方法原理232
7.2.2河流选取案例的设计与获取234
7.2.3河流选取NBC分类模型的训练与测试236
7.2.4实验与分析237
7.2.5小结240
7.3基于支持向量机的河流化简方法240
7.3.1基于支持向量机的线化简方法原理240
7.3.2化简案例的设计及获取242
7.3.3SVM分类模型的训练246
7.3.4实验与分析247
7.3.5小结250
参考文献251
第8章基于CGC的制图综合知识服务架构及系统实现253
8.1基于CGC的制图综合知识模型253
8.1.1基于CGC的知识模型组成253
8.1.2三种案例及其衍生知识特点254
8.2CGC的获取及存储255
8.2.1案例来源255
8.2.2存储格式257
8.3CGC知识库组织管理和使用257
8.3.1案例预处理258
8.3.2案例库元数据和索引259
8.3.3案例知识转化260
8.3.4知识库更新与共享261
8.4CGC知识管理服务系统设计262
8.5基于CGC的自动制图综合系统264
8.5.1实验系统概述264
8.5.2系统核心功能实现267
8.6小结275
参考文献276