【摘要】：隨著城市的發(fā)展以及新興城鎮(zhèn)規(guī)模的擴(kuò)張,城鎮(zhèn)的更替速度不斷加快,使得居民地成為地圖中變化最活躍的要素之一;同時(shí),軍事演習(xí)、防恐演練、搶險(xiǎn)救災(zāi)等對(duì)地圖保障的要求越來越高,使得居民地自動(dòng)綜合成為研究的重點(diǎn)和難點(diǎn)�！斑x取”作為中小比例尺地圖綜合中最主要的綜合操作,亦成為研究的重點(diǎn)和難點(diǎn)之一。當(dāng)前針對(duì)各種度量指標(biāo)建立數(shù)學(xué)模型的居民地資格選取方法,在每次遇到制圖任務(wù)時(shí)大多需要單獨(dú)建模,可移植性弱,研發(fā)成本高,缺乏專家經(jīng)驗(yàn)支撐,難以滿足多樣化地圖生產(chǎn)的需求。研究更為高效的居民地自動(dòng)選取方法成為制圖綜合的當(dāng)務(wù)之急。本文分析了中小比例尺居民地選取的研究背景與現(xiàn)狀,針對(duì)當(dāng)前中小比例尺面狀居民地選取方法專家知識(shí)指導(dǎo)不足的問題,從有效利用專家經(jīng)驗(yàn)出發(fā),研究了基于KNN的居民地案例推理選取模型。同時(shí),對(duì)居民地選取的案例匹配機(jī)制進(jìn)行了優(yōu)化,并提出基于迭代注水原理和距離加權(quán)的模型優(yōu)化方法以及基于分層處理和KD樹的效率改進(jìn)方法,以進(jìn)一步提高KNN模型精度和效率。本文主要工作和創(chuàng)新點(diǎn)包括以下幾點(diǎn):(1)提出了基于KNN的居民地案例推理選取模型。針對(duì)當(dāng)前居民地選取方法中專家知識(shí)指導(dǎo)不足和案例匹配機(jī)制不完善等問題,提出基于KNN的居民地案例推理選取方法。首先以專家交互選取的居民地結(jié)果作為案例,預(yù)處理后構(gòu)建案例庫;然后對(duì)案例進(jìn)行學(xué)習(xí),計(jì)算出待決策居民地與案例庫中案例之間的相似度;最后取K個(gè)相似度最高的近鄰,對(duì)這K個(gè)案例的所屬類別進(jìn)行統(tǒng)計(jì),將個(gè)數(shù)最多的類別作為案例分類決策的結(jié)果。該選取模型能夠有效地將專家案例轉(zhuǎn)化為對(duì)未知結(jié)果的決策,決策正確率高,且相比于決策樹方法受噪聲影響更小,在案例庫規(guī)模較小時(shí)仍能做出有效決策,實(shí)現(xiàn)了學(xué)習(xí)專家綜合經(jīng)驗(yàn)并模仿專家綜合行為的目的。(2)提出了基于迭代注水原理和距離加權(quán)的模型優(yōu)化方法。首先,針對(duì)KNN算法中屬性約簡和權(quán)重賦值方法研究的不足,本文提出采用“迭代注水原理”對(duì)模型進(jìn)行改進(jìn)和優(yōu)化。該方法將傳統(tǒng)注水原理與遞歸特征消除法相結(jié)合,對(duì)歸納的居民地屬性在賦權(quán)重的同時(shí)達(dá)到屬性約簡的目的,有效減少了冗余屬性給案例分類造成的干擾,確保推理描述信息的準(zhǔn)確性和完整性,提高了基于KNN的居民地案例推理選取模型的精度。然后,考慮到基于KNN的居民地案例推理選取模型中K個(gè)參考案例的主次影響,提出了采用“距離加權(quán)”的模型優(yōu)化方法,通過重新定義其判別函數(shù),加強(qiáng)可信賴案例決策貢獻(xiàn)的權(quán)重,一定程度上削弱了模型對(duì)K值的敏感性和依賴性,增強(qiáng)了基于KNN的居民地案例推理選取模型的魯棒性和智能性。(3)提出了基于分層處理和KD樹的模型優(yōu)化方法。針對(duì)基于KNN的居民地案例推理選取模型在案例規(guī)模擴(kuò)大后出現(xiàn)運(yùn)行效率下降的問題,提出采用案例庫分層處理和構(gòu)建KD樹索引的模型優(yōu)化方案。該方案首先對(duì)案例庫按行政等級(jí)分層,然后對(duì)各層級(jí)案例庫構(gòu)建KD樹,最后在各層級(jí)案例庫內(nèi)實(shí)現(xiàn)基于KNN的案例推理,得出待決策居民地的決策結(jié)果。該方案能有效控制案例推理循環(huán)中參與計(jì)算的案例規(guī)模,提高模型的運(yùn)行效率。(4)系統(tǒng)實(shí)驗(yàn)設(shè)計(jì)并實(shí)現(xiàn)了居民地的自動(dòng)選取過程,整合了本文提出的算法及優(yōu)化功能,并進(jìn)行了系統(tǒng)的實(shí)驗(yàn),驗(yàn)證了本文提出理論和方法的有效性和科學(xué)性。
【圖文】：

第一章 緒論uas（2006）[43]采用監(jiān)督學(xué)習(xí)的方法獲得專家同排列結(jié)構(gòu)，將排列結(jié)構(gòu)作為建筑物綜合中列結(jié)構(gòu)。海忠（2012）[44]將基于案例推理模型與自動(dòng)理論和新技術(shù)，，制圖綜合鏈中借鑒案例庫的例庫將隨著系統(tǒng)不斷運(yùn)行而得到豐富，用于敏（2014）[45][47]提出基于 CBR 的路網(wǎng)智能將案例表達(dá)為計(jì)算機(jī)可識(shí)別的方式，并進(jìn)行家制圖時(shí)的選取思維，通過類比學(xué)習(xí)的歸納推實(shí)現(xiàn)了相似制圖環(huán)境下路網(wǎng)的自動(dòng)選取。技取的智能性。道路網(wǎng)狀態(tài)描述

第 8 頁圖 1.2 技術(shù)路線流程圖 論文組織結(jié)構(gòu)圍繞 1.3.1 提出的主要研究內(nèi)容，本文探討了基于 KNN 采用迭代注水原理的方法對(duì)屬性約簡和賦權(quán)重、對(duì) K KNN 的居民地案例推理選取模型進(jìn)行優(yōu)化，以提高模案例庫分層處理和構(gòu)建 KD 樹索引兩方面優(yōu)化，進(jìn)而提取模型的運(yùn)行速度；最后設(shè)計(jì)并實(shí)現(xiàn)了居民地的自動(dòng)選各章節(jié)主要內(nèi)容概括如下：
【學(xué)位授予單位】：戰(zhàn)略支援部隊(duì)信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P208

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高亮;謝健;曹天澤;;基于Kd樹改進(jìn)的高效K-means聚類算法[J];計(jì)算技術(shù)與自動(dòng)化;2015年04期

2 王驍;錢海忠;何海威;陳競男;胡慧明;;利用空白區(qū)域骨架線網(wǎng)眼匹配多源面狀居民地[J];測繪學(xué)報(bào);2015年08期

3 陳曉康;劉竹松;;基于改進(jìn)Kd-Tree構(gòu)建算法的k近鄰查詢[J];廣東工業(yè)大學(xué)學(xué)報(bào);2014年03期

4 張春曉;嚴(yán)愛軍;王普;;一種改進(jìn)的案例推理分類方法研究[J];自動(dòng)化學(xué)報(bào);2014年09期

5 嚴(yán)愛軍;錢麗敏;王普;;案例推理屬性權(quán)重的分配模型比較研究[J];自動(dòng)化學(xué)報(bào);2014年09期

6 趙輝;嚴(yán)愛軍;王普;;提高案例推理分類器的可靠性研究[J];自動(dòng)化學(xué)報(bào);2014年09期

7 張小莉;;基于KD樹的海量圖像匹配技術(shù)[J];計(jì)算機(jī)時(shí)代;2014年07期

8 郭敏;錢海忠;黃智深;何海威;劉海龍;;道路網(wǎng)智能選取的案例類比推理法[J];測繪學(xué)報(bào);2014年07期

9 嚴(yán)曉明;;基于類別平均距離的加權(quán)KNN分類算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2014年02期

10 肖輝輝;段艷明;;基于屬性值相關(guān)距離的KNN算法的改進(jìn)研究[J];計(jì)算機(jī)科學(xué);2013年S2期

相關(guān)博士學(xué)位論文 前3條

1 張曉楠;基于案例推理的統(tǒng)計(jì)地圖設(shè)計(jì)研究[D];解放軍信息工程大學(xué);2015年

2 馮銳;基于案例推理的經(jīng)驗(yàn)學(xué)習(xí)研究[D];華東師范大學(xué);2011年

3 周偉達(dá);核機(jī)器學(xué)習(xí)方法研究[D];西安電子科技大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 王驍;基于城市骨架線網(wǎng)的同尺度矢量空間數(shù)據(jù)匹配方法研究[D];解放軍信息工程大學(xué);2015年

2 何海威;顧及層次結(jié)構(gòu)和空間沖突的道路網(wǎng)選取與化簡方法研究[D];解放軍信息工程大學(xué);2015年

3 吳芬琳;自適應(yīng)加權(quán)KNN文本分類[D];華僑大學(xué);2014年

4 郭敏;基于案例學(xué)習(xí)的道路網(wǎng)智能選取方法研究[D];解放軍信息工程大學(xué);2013年

5 辛鵬;案例推理方法案例庫維護(hù)策略研究[D];東北大學(xué);2012年

6 李珍;基于特征匹配的目標(biāo)識(shí)別與定位方法研究[D];南方醫(yī)科大學(xué);2012年

7 盛文斌;散列式居民地的自動(dòng)選取研究[D];解放軍信息工程大學(xué);2010年

8 于瑞萍;中文文本分類相關(guān)算法的研究與實(shí)現(xiàn)[D];西北大學(xué);2007年

9 杜鳳艷;ArcGIS環(huán)境下居民地屬性綜合的研究[D];太原理工大學(xué);2007年

10 王菲;基于編繪知識(shí)的電子地圖居民地多尺度顯示的研究[D];解放軍信息工程大學(xué);2007年

本文編號(hào)：2627063