本文關(guān)鍵詞：基于SOM神經(jīng)網(wǎng)絡(luò)算法的地圖建筑物聚類(lèi)

  更多相關(guān)文章： 建筑物聚類(lèi) SOM神經(jīng)網(wǎng)絡(luò) 建筑物因子

【摘要】：在城鎮(zhèn)化發(fā)展增速較快的現(xiàn)階段社會(huì),電子地圖的大量需求對(duì)傳統(tǒng)的人工制圖綜合的制作周期提出了挑戰(zhàn)。因此,實(shí)現(xiàn)制圖綜合的自動(dòng)化對(duì)滿(mǎn)足社會(huì)需求具有重要意義。矢量地圖建筑物的聚類(lèi)是制圖綜合的一個(gè)重要組成部分,是解決比例尺變換過(guò)程中的地圖建筑物化簡(jiǎn)的相關(guān)問(wèn)題的主要步驟,實(shí)現(xiàn)矢量地圖建筑物聚類(lèi)的自動(dòng)化對(duì)整個(gè)制圖綜合的流程也具有重要的推進(jìn)作用。因此,本論文針對(duì)城鎮(zhèn)地圖要素的構(gòu)成主體即建筑物多邊形進(jìn)行聚類(lèi)研究,旨在提出更精確的聚類(lèi)方法,為制圖綜合自動(dòng)化提供有力支持。計(jì)算機(jī)技術(shù)的發(fā)展促進(jìn)了地圖要素聚類(lèi)的自動(dòng)化,因而通過(guò)利用算法分析和軟件開(kāi)發(fā)等步驟對(duì)地圖各要素等進(jìn)行圖形分析變換并且實(shí)現(xiàn)最終的聚類(lèi),這類(lèi)研究是目前自動(dòng)綜合過(guò)程中的聚類(lèi)步驟的主要趨勢(shì)。本論文首先是在研究了SOM神經(jīng)網(wǎng)絡(luò)算法原理的基礎(chǔ)上,對(duì)基于建筑物重心坐標(biāo)因子實(shí)現(xiàn)聚類(lèi)的研究方法提出改進(jìn)。其次,在改進(jìn)的過(guò)程中,本論文提出多個(gè)對(duì)建筑物形狀和位置特征的描述數(shù)據(jù),并將該類(lèi)數(shù)據(jù)命名為建筑物因子。之后利用該類(lèi)型數(shù)據(jù)在使用SOM算法的第一次大范圍聚類(lèi),并且在初步聚類(lèi)操作的基礎(chǔ)上,進(jìn)行建筑物因子相似性的二次精細(xì)聚類(lèi)。即在原有重心坐標(biāo)位置聚類(lèi)的群組劃分基礎(chǔ)上,通過(guò)建筑物因子特征相似性,實(shí)現(xiàn)在建筑物大群組中進(jìn)行再次分組,即建筑物的二次精細(xì)聚類(lèi)。通過(guò)對(duì)不同研究區(qū)域的二次聚類(lèi)對(duì)比實(shí)驗(yàn),得到了不同建筑物因子在不同形態(tài)分布的地圖聚類(lèi)效果各不相同的結(jié)論,即由于不同地圖的建筑物形態(tài)和位置分布各異,不存在具備普適性的聚類(lèi)效果的單一建筑物因子。因此,文章對(duì)多個(gè)建筑物進(jìn)行因子分析和主成分分析,旨在通過(guò)進(jìn)行降維,探索利用具備較多信息的綜合因子代替不同因子聚類(lèi)效果的缺陷。實(shí)驗(yàn)結(jié)果表明,該方法雖然不具備單一因子對(duì)單幅地圖的精確效果,但是能夠較好的滿(mǎn)足不同類(lèi)型地圖的聚類(lèi)基本需求。最后文章探索了三維地圖建筑物的聚類(lèi)實(shí)現(xiàn),利用高程數(shù)據(jù)和重心坐標(biāo)數(shù)據(jù)的相似性,對(duì)三維地圖開(kāi)展了聚類(lèi)實(shí)驗(yàn)并進(jìn)行了可視化效果展示。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：P209;P283

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前7條

1 岳素青;蔡瓊;;加權(quán)SOM神經(jīng)網(wǎng)絡(luò)在水文分區(qū)中的應(yīng)用[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

2 劉艷杰;曾永年;;基于SOM神經(jīng)網(wǎng)絡(luò)的城市土地覆蓋遙感分類(lèi)研究[J];測(cè)繪與空間地理信息;2012年06期

3 楊雪松;劉勇;;基于BP和SOM神經(jīng)網(wǎng)絡(luò)的云平臺(tái)數(shù)據(jù)合并技術(shù)[J];甘肅科技;2013年09期

4 陳杰;孫剛;;基于SOM神經(jīng)網(wǎng)絡(luò)的超臨界翼型設(shè)計(jì)[J];力學(xué)季刊;2011年03期

5 嚴(yán)金花;;基于SOM神經(jīng)網(wǎng)絡(luò)的負(fù)荷特性分類(lèi)[J];大眾科技;2013年12期

6 高志;;基于SOM神經(jīng)網(wǎng)絡(luò)模型的我國(guó)中小企業(yè)信用等級(jí)個(gè)數(shù)設(shè)計(jì)[J];現(xiàn)代商業(yè);2007年20期

7 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 賀康;龐海榮;;SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機(jī)故障診斷中的應(yīng)用[A];煤礦機(jī)電一體化新技術(shù)2011學(xué)術(shù)年會(huì)論文集[C];2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 王真;基于SOM神經(jīng)網(wǎng)絡(luò)算法的地圖建筑物聚類(lèi)[D];電子科技大學(xué);2016年

2 張旭;基于粗糙集和SOM神經(jīng)網(wǎng)絡(luò)的知識(shí)分類(lèi)的算法研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2011年

3 施紅鑫;基于附加敏感參數(shù)SOM神經(jīng)網(wǎng)絡(luò)的自動(dòng)聚類(lèi)系統(tǒng)的研究[D];燕山大學(xué);2010年

，

本文編號(hào)：1166109