發(fā)布時間：2020-10-13 05:42

　　 地圖上的許多地物呈點群狀分布。當(dāng)?shù)貓D比例尺縮小時,點狀符號之間會出現(xiàn)相互堆疊、覆蓋等情形,為了保持地圖表達的清晰度、層次性與美觀性,需要對點群進行綜合。點群綜合是從原始點群中抽取出一定數(shù)量相對重要的點而刪除相對次要點的過程。點的權(quán)重反映了單個點在點群整體中的重要性程度,在點群綜合算法設(shè)計中非常關(guān)鍵。按照點群綜合過程中對權(quán)重信息的顧及情況,可以將已有的點群綜合算法分為兩大類,其中一類算法在點群綜合過程中沒有顧及其權(quán)重信息,另一類算法雖然顧及到了權(quán)重信息,但仍然存在點群權(quán)重設(shè)定不夠合理、綜合結(jié)果缺乏現(xiàn)勢參考價值及沒有顧及道路網(wǎng)在點群綜合中的制約與影響作用等問題。為了彌補現(xiàn)有算法對點群權(quán)重考慮不充分的缺陷,在對點群權(quán)重信息進行科學(xué)分析與計算的基礎(chǔ)上,借助相關(guān)數(shù)據(jù)獲取技術(shù)及脈沖耦合神經(jīng)網(wǎng)絡(luò)、網(wǎng)絡(luò)加權(quán)Voronoi圖、Delaunay三角剖分等理論,系統(tǒng)研究了顧及權(quán)重的點群綜合方法。主要研究成果包括以下4個方面:(1)將影響范圍與影響人群數(shù)量作為點群權(quán)重衡量依據(jù),利用數(shù)據(jù)獲取與處理技術(shù)實現(xiàn)了具有較高現(xiàn)勢參考價值的點群影響范圍與影響人群的計算與表達,提出了影響范圍及影響人群數(shù)量共同作用下的高現(xiàn)勢性點群綜合算法,彌補了已有算法中點群權(quán)重設(shè)置不夠科學(xué)合理、現(xiàn)勢性不足及沒有顧及影響人群對點群權(quán)重的影響等缺陷。(2)為了在點群綜合過程中顧及到道路網(wǎng)對點群的約束與影響作用,引入了網(wǎng)絡(luò)加權(quán)Voronoi圖的概念�；诿}沖耦合神經(jīng)網(wǎng)絡(luò)的并發(fā)性及自動波發(fā)放原理,在改進脈沖耦合神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上實現(xiàn)了網(wǎng)絡(luò)加權(quán)Voronoi圖的構(gòu)建,為進一步的點群綜合及相關(guān)領(lǐng)域研究提供了技術(shù)參考。(3)以網(wǎng)絡(luò)加權(quán)Voronoi圖為基礎(chǔ),利用帶約束的Delaunay三角剖分及動態(tài)閾值“剝皮法”實現(xiàn)了點群網(wǎng)絡(luò)Voronoi多邊形的構(gòu)建。將網(wǎng)絡(luò)Voronoi多邊形面積及多邊形內(nèi)部道路段總長度作為點群權(quán)重的衡量依據(jù),實現(xiàn)了顧及相關(guān)聯(lián)的道路網(wǎng)屬性信息的點群綜合,彌補了已有算法沒有顧及道路網(wǎng)對點群權(quán)重影響作用的不足。(4)對于無法度量其權(quán)重信息的點群,算法選擇最大程度地保持其幾何結(jié)構(gòu)及拓撲特征。利用Delaunay三角剖分、動態(tài)閾值“剝皮”法實現(xiàn)了點群外部輪廓點的提取,在此基礎(chǔ)上利用Douglas-Peucker算法及外部輪廓約束下的內(nèi)部點Voronoi圖分別實現(xiàn)了外部輪廓點及內(nèi)部點的取舍,在繼承已有算法對點群外部輪廓及內(nèi)部密度保持方面優(yōu)勢的同時,彌補了已有算法將輪廓點與內(nèi)部點獨立化簡而造成對其相互之間的影響與制約作用顧及不足的缺陷。最后,論文對提出的點群綜合方法的適用性及有效性分別進行了實驗。實驗分析表明,提出的方法在盡可能地顧及點群權(quán)重信息的基礎(chǔ)上,有效地傳輸了原始點群各類信息,彌補了已有算法對點群權(quán)重信息顧及不足及缺乏現(xiàn)勢性等問題,較好地解決了地理空間中各種類型點群的綜合問題。
【學(xué)位單位】：蘭州交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2019
【中圖分類】：P208
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 引言
    1.2 研究現(xiàn)狀及存在的問題
        1.2.1 地圖綜合研究現(xiàn)狀
        1.2.2 點群綜合研究現(xiàn)狀
        1.2.3 存在的問題
    1.3 研究內(nèi)容、目標(biāo)與方法
        1.3.1 研究內(nèi)容
        1.3.2 研究目標(biāo)
        1.3.3 論文的技術(shù)路線和方法
    1.4 論文的主要創(chuàng)新
    1.5 論文的組織結(jié)構(gòu)
    1.6 本章小結(jié)
2 點群自動綜合相關(guān)理論
    2.1 尺度
    2.2 地圖制圖綜合理論
        2.2.1 影響地圖制圖綜合的基本因素
        2.2.2 制圖綜合的算子
        2.2.3 制圖綜合的約束
    2.3 點群綜合理論
        2.3.1 點狀符號
        2.3.2 點群的描述參數(shù)
        2.3.3 點要素的綜合操作
        2.3.4 點群綜合的評價體系
    2.4 本章小結(jié)
3 顧及影響范圍與影響人群的高現(xiàn)勢性點群綜合方法
    3.1 點群權(quán)重衡量因子的選取
        3.1.1 點群的影響范圍與影響人群
        3.1.2 高現(xiàn)勢性影響范圍與影響人群數(shù)據(jù)的獲取
    3.2 算法原理與流程
        3.2.1 算法原理
        3.2.2 算法流程
    3.3 點群權(quán)重的計算
        3.3.1 影響范圍與影響人群數(shù)據(jù)的獲取
        3.3.2 影響范圍與影響人群數(shù)據(jù)的處理
    3.4 顧及影響范圍與影響人群的點群綜合方法
        3.4.1 點群的信息傳輸策略
        3.4.2 點群綜合過程中約束條件的定義與表達
        3.4.3 綜合過程中點的刪除
    3.5 實驗與評價
        3.5.1 實驗
        3.5.2 實驗分析與討論
    3.6 結(jié)果與分析
    3.7 本章小結(jié)
4 顧及道路網(wǎng)屬性信息的點群綜合方法
    4.1 點群權(quán)重衡量因子的選取
        4.1.1 網(wǎng)絡(luò)加權(quán)Voronoi圖
        4.1.2 點群權(quán)重因子選取
    4.2 算法原理與流程
        4.2.1 算法原理
        4.2.2 算法流程
    4.3 網(wǎng)絡(luò)加權(quán)Voronoi圖的構(gòu)建
        4.3.1 改進的PCNN模型
        4.3.2 改進PCNN模型支持下的網(wǎng)絡(luò)加權(quán)Voronoi圖構(gòu)建
        4.3.3 網(wǎng)絡(luò)加權(quán)Voronoi圖構(gòu)建實驗與討論
        4.3.4 基于改進PCNN的網(wǎng)絡(luò)加權(quán)Voronoi圖構(gòu)建算法總結(jié)
    4.4 點群權(quán)重計算
        4.4.1 網(wǎng)絡(luò)Voronoi多邊形
        4.4.2 點群權(quán)重計算
    4.5 基于網(wǎng)絡(luò)加權(quán)Voronoi圖的點群綜合方法
        4.5.1 點群綜合中各類信息的保持策略
        4.5.2 約束條件的定義與表達
        4.5.3 點的刪除
    4.6 實驗與評價
        4.6.1實驗
        4.6.2 實驗分析與評價
    4.7 結(jié)果與分析
    4.8 本章小結(jié)
5 顧及幾何結(jié)構(gòu)特征保持的點群綜合方法
    5.1 算法原理與流程
        5.1.1 算法原理
        5.1.2 算法流程
    5.2 顧及空間分布特征的點群綜合方法
        5.2.1 點群綜合中的信息保持策略
        5.2.2 點群輪廓點的提取與化簡
        5.2.3 外部輪廓約束下點群內(nèi)部點Voronoi圖構(gòu)建
    5.3 實驗與評價
    5.4 結(jié)果與分析
    5.5 本章小結(jié)
結(jié)論
致謝
參考文獻
攻讀學(xué)位期間的研究成果

【相似文獻】

相關(guān)期刊論文 前10條

1 盧敏;楊柳;王金茵;黃煌;王結(jié)臣;;基于核密度估計的點群密度制圖應(yīng)用研究[J];測繪工程;2017年04期

2 李偉;何晉強;;一種基于相似度的點群綜合選取算法[J];科技創(chuàng)新與生產(chǎn)力;2017年03期

3 鄧紅艷,武芳,錢海忠,侯璇;基于遺傳算法的點群目標(biāo)選取模型[J];中國圖象圖形學(xué)報;2003年08期

4 房迎三;;中國的舊石器地點群[J];華夏考古;1993年03期

5 胡偉敏,楊金龍;I_h點群與具有I_h點群對稱的Al-Mn原子簇的電子結(jié)構(gòu)[J];科學(xué)通報;1988年18期

6 郭敏;;關(guān)于蒙城縣城區(qū)飲食攤點群食品安全工作情況調(diào)研[J];農(nóng)民致富之友;2015年22期

7 梁哲恒;謝輝榮;謝剛生;;空間點群目標(biāo)相似度計算模型及應(yīng)用[J];測繪通報;2016年03期

8 粟智;分子點群的確定與典型分子點群顯示系統(tǒng)設(shè)計[J];光譜實驗室;2003年05期

9 程綿綿;孫群;李少梅;徐立;;顧及密度對比的多層次聚類點群選取方法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2019年08期

10 吳凱;王琛;王長鵬;;基于距離變換的點群密度識別研究[J];城市勘測;2019年04期

相關(guān)博士學(xué)位論文 前4條

1 祿小敏;顧及權(quán)重信息的地圖點群目標(biāo)自動綜合方法[D];蘭州交通大學(xué);2019年

2 劉濤;空間群（組）目標(biāo)相似關(guān)系及計算模型研究[D];武漢大學(xué);2011年

3 胡流森;基于第一性原理和參數(shù)化模型的稀土發(fā)光材料研究[D];中國科學(xué)技術(shù)大學(xué);2011年

4 張毅;城市形態(tài)的幾何表征及量化方法研究[D];西安建筑科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 程鴻;基于遺傳算法的點群數(shù)據(jù)成型方向優(yōu)化[D];長安大學(xué);2008年

2 楊柳;空間點群數(shù)據(jù)分布特征制圖表達方法研究[D];南京大學(xué);2014年

3 方丹;由點群決定的單因子的中心[D];華中師范大學(xué);2008年

4 段曉旗;多尺度點群目標(biāo)相似度計算模型[D];蘭州交通大學(xué);2017年

5 徐沖;濟南市城區(qū)占道經(jīng)營攤點群研究[D];陜西師范大學(xué);2015年

6 馬美怡;冰晶點群行為模型的理論研究及應(yīng)用[D];華東理工大學(xué);2015年

7 何敬;面向地理位置感知的移動服務(wù)技術(shù)方法研究[D];浙江大學(xué);2017年

8 楊育普;半平面集聚點群TSP幾何方法及其在物流路徑優(yōu)化中的應(yīng)用[D];湖南科技大學(xué);2016年

9 汲文峰;鼴鼠爪趾幾何特征與切土功能分析[D];吉林大學(xué);2007年

10 郭邦梅;快速制圖中載負量調(diào)整的選取模型研究[D];山東農(nóng)業(yè)大學(xué);2011年

本文編號：2838804